[논문 리뷰] Recipe recommendation using ingredient networks

Chun-Yuen Teng, Yu‐Ru Lin외 1명|arXiv (Cornell University)|2011. 11. 16.

Recommender Systems and Techniques참고 문헌 18인용 수 7

한 줄 요약

이 논문은 재료 네트워크—공존 재료를 위한 보완 네트워크와 사용자가 제안한 재료 교체를 위한 대체 네트워크—를 활용하여 레시피 평점을 예측하는 레시피 추천 시스템을 제안한다. 이러한 네트워크의 구조적 특징과 영양 정보를 조합함으로써 모델은 0.792의 예측 정확도를 달성하였으며, 이 중 84%의 예측 능력이 단지 재료 네트워크에서 기인하였다.

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.

연구 동기 및 목표

• 대규모 온라인 레시피 컬렉션 내 재료 관계를 분석하여 사용자 선호도를 모델링한다.
• 사용자 생성 콘텐츠에서 재료의 공존 패턴(보완 네트워크)과 사용자가 제안한 대체 패턴(대체 네트워크)을 식별한다.
• 재료 네트워크의 구조적 특징과 영양 정보를 활용하여 레시피 평점 예측 모델을 개발한다.
• 재료 네트워크와 영양 정보가 레시피 인기 예측에 기여하는 상대적 기여도를 평가한다.
• 사용자 행동 기반으로 수정 가능한 재료와 건강한 대체재를 식별함으로써 지능형 레시피 추천을 가능하게 한다.

제안 방법

• 대규모 레시피 공유 웹사이트인 Allrecipes.com에서 재료 목록과 사용자 리뷰를 추출하였다.
• 레시피 간 재료의 빈번한 공존을 기반으로 보완 네트워크를 구축하여, 풍미 기반으로 분류된 두 주요 커뮤니티(양념 및 단맛)를 규명하였다.
• 사용자가 제안한 수정 제안(예: '비프 대신 다진 타코를 사용')을 기반으로 대체 네트워크를 구축하여 功能적으로 동일한 재료 커뮤니티를 식별하였다.
• 네트워크 특징의 차원을 감소시키기 위해 특이값 분해(Singular Value Decomposition, SVD)를 적용하였으며, 교차 검증을 통해 최적의 성능을 얻기 위해 k=50를 선택하였다.
• 보완, 대체, 영양 네트워크의 SVD 감소된 특징을 하나의 특징 벡터로 통합하여 레시피 평점 예측에 활용하였다.
• 통합된 특징 세트를 기반으로 레시피 평점 예측을 위한 회귀 모델을 훈련하였으며, 상관관계 및 상대 기여도 분석을 통해 성능을 평가하였다.

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

실험 결과

연구 질문

• RQ1 온라인 레시피 내 재료 공존 패턴은 지역적 또는 풍미 기반 선호도를 어떻게 반영하는가?
• RQ2 사용자가 제안한 재료 대체 패턴은 얼마나 기능적 동등성과 건강 중심 선호도를 드러내는가?
• RQ3 재료 네트워크의 구조적 특징은 전통적인 영양 정보보다 레시피 평점 예측에 더 효과적인가?
• RQ4 보완, 대체, 영양 네트워크 중 어느 네트워크가 평점 예측 정확도에 가장 크게 기여하는가?
• RQ5 재료 네트워크의 차원 감소 표현은 일반화 능력과 예측 성능을 어떻게 향상시키는가?

주요 결과

• 공존 패턴을 반영하는 보완 네트워크는 두 가지 주요 커뮤니티로 구성되었으며, 각각 양념 및 단맛 커뮤니티로 풍미 기반의 그룹화를 반영하였다.
• 대체 네트워크는 설탕 대체재 및 기름 대체재 등 기능적으로 동일한 재료 커뮤니티를 드러내어 사용자들이 더 건강하거나 가용성이 높은 대체재를 선호하는 경향을 반영하였다.
• 재료 네트워크와 영양 정보의 특징을 통합하여 레시피 평점 예측 정확도가 0.792에 도달하였다.
• 재료 네트워크만으로도 예측 능력의 84%를 기여하며, 영양 정보를 초월함을 확인하여 공존 및 대체 패턴이 중요한 선호도 신호를 담고 있음을 시사하였다.
• 보완 네트워크만으로도 개별적으로 대체 또는 영양 네트워크보다 더 높은 예측 성능을 보였으며, 특히 낮은 특징 차원에서 두드러졌다.
• 대체 네트워크의 상위 5개 SVD 성분은 설탕 대체재 및 기름 대체재와 같은 영향력 있는 커뮤니티를 드러내었으며, 이들의 특징은 평점 예측에 매우 유용한 정보를 제공하였다.

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.