[論文レビュー] Recipe recommendation using ingredient networks

Chun-Yuen Teng, Yu‐Ru Lin+1 more|arXiv (Cornell University)|Nov 16, 2011

Recommender Systems and Techniques参考文献 18被引用数 7

ひとこと要約

本稿では、材料ネットワーク（共起する材料を表す補完ネットワークと、ユーザーが提案する材料の交換を表す代替ネットワーク）を活用してレシピのスコアを予測するレシピ推薦システムを提案する。これらのネットワークの構造的特徴と栄養データを組み合わせることで、予測精度が0.792に達し、そのうち84%が材料ネットワークからの寄与である。

ABSTRACT

The recording and sharing of cooking recipes, a human activity dating back thousands of years, naturally became an early and prominent social use of the web. The resulting online recipe collections are repositories of ingredient combinations and cooking methods whose large-scale and variety yield interesting insights about both the fundamentals of cooking and user preferences. At the level of an individual ingredient we measure whether it tends to be essential or can be dropped or added, and whether its quantity can be modified. We also construct two types of networks to capture the relationships between ingredients. The complement network captures which ingredients tend to co-occur frequently, and is composed of two large communities: one savory, the other sweet. The substitute network, derived from user-generated suggestions for modifications, can be decomposed into many communities of functionally equivalent ingredients, and captures users' preference for healthier variants of a recipe. Our experiments reveal that recipe ratings can be well predicted with features derived from combinations of ingredient networks and nutrition information.

研究の動機と目的

• 大規模なオンラインレシピコレクションにおける材料の関係を分析することで、ユーザーのレシピ選択傾向をモデル化すること。
• ユーザー生成コンテンツから、材料の共起パターン（補完ネットワーク）とユーザーが提案する代替案（代替ネットワーク）のパターンを同定すること。
• 材料ネットワークの構造的特徴と栄養情報を利用して、レシピスコアの予測モデルを構築すること。
• 材料ネットワークと栄養データの間で、スコア予測への寄与度を比較すること。
• ユーザー行動に基づく、変更可能な材料や健康的な代替案を特定することで、知能的なレシピ推薦を可能にすること。

提案手法

• Allrecipes.com（大規模なレシピ共有サイト）から材料リストとユーザーのレビューを抽出した。
• 複数のレシピに共に頻出する材料の頻度に基づき、補完ネットワークを構築し、スパイシー系とスイート系の2つの主要コミュニティが明らかになった。
• ユーザーがレシピ変更を提案する内容（例：「ビーフの代わりにトウガラシミンチを使う」）から、代替ネットワークを構築し、機能的に同等の材料群のコミュニティを同定した。
• ネットワーク特徴の次元削減のために特異値分解（SVD）を適用し、交差検証により最適なk=50を選択した。
• 補完、代替、栄養ネットワークのSVDによる次元削減済み特徴を統合し、1つの特徴ベクトルとしてレシピスコア予測に使用した。
• 統合された特徴セットを用いて回帰モデルを訓練し、相関係数と相対寄与度分析により性能を評価した。

Figure 1: The percentage of recipes by region that apply a specific heating method.

実験結果

リサーチクエスチョン

• RQ1 オンラインレシピにおける材料の共起パターンは、地域的または風味ベースの好みをどのように反映しているか？
• RQ2 ユーザーが提案する材料の代替は、機能的同等性や健康志向の好みをどの程度明らかにできるか？
• RQ3 材料ネットワークの構造的特徴は、従来の栄養特徴よりも、レシピスコアの予測に効果的か？
• RQ4 補完、代替、栄養のどのネットワークタイプが、スコア予測精度に最も寄与しているか？
• RQ5 材料ネットワークの次元削減表現は、一般化性能と予測性能をどのように向上させるか？

主な発見

• 共起パターンを捉える補完ネットワークは、スパイシー系とスイート系の2つの主要コミュニティを形成し、風味ベースのグループ化を反映していた。
• 代替ネットワークは、スイーツエリクサーと油の代替品など、機能的に同等の材料群のコミュニティを明らかにし、ユーザーの健康的な代替選択や入手可能性志向を反映していた。
• 材料ネットワークと栄養データの特徴を統合した結果、スコア予測の精度が0.792に達した。
• 材料ネットワーク単体が予測力の84%を占めており、栄養データを上回った。これは、共起と代替のパターンが、重要な好みの信号を含んでいることを示している。
• 補完ネットワーク単体が、代替ネットワークや栄養ネットワーク単体よりも優れた予測性能を示し、特に低次元特徴での性能が顕著だった。
• 代替ネットワークの上位5つのSVD成分は、スイーツエリクサーと油の代替品といった、スコア予測に顕著に寄与するコミュニティを特定し、その特徴が予測に非常に有用であることが示された。

Figure 2: Ingredient complement network. Two ingredients share an edge if they occur together more than would be expected by chance and if their pointwise mutual information exceeds a threshold.