[논문 리뷰] Food Recommendation: Framework, Existing Solutions and Challenges

Weiqing Min, Shuqiang Jiang외 1명|arXiv (Cornell University)|2019. 05. 15.

Recommender Systems and Techniques참고 문헌 61인용 수 12

한 줄 요약

이 논문은 영양, 맛, 건강 문제를 해결하기 위해 맥락 인식 모델링, 개인 맞춤형 사용자 프로필링, 지식 그래프를 통합하는 통합 프레임워크를 제안한다. 기존 솔루션을 검토하고 핵심 연구 격차를 규명하며 향후 방향을 제시하며, 다중미디어 식품 추천 분야에서 처음으로 종합적인 서베이를 수행한다.

ABSTRACT

A growing proportion of the global population is becoming overweight or obese, leading to various diseases (e.g., diabetes, ischemic heart disease and even cancer) due to unhealthy eating patterns, such as increased intake of food with high energy and high fat. Food recommendation is of paramount importance to alleviate this problem. Unfortunately, modern multimedia research has enhanced the performance and experience of multimedia recommendation in many fields such as movies and POI, yet largely lags in the food domain. This article proposes a unified framework for food recommendation, and identifies main issues affecting food recommendation including building the personal model, analyzing unique food characteristics, incorporating various context and domain knowledge. We then review existing solutions for these issues, and finally elaborate research challenges and future directions in this field. To our knowledge, this is the first survey that targets the study of food recommendation in the multimedia field and offers a collection of research studies and technologies to benefit researchers in this field.

연구 동기 및 목표

• 비만과 당뇨병을 포함한 나쁜 식습관과 관련된 증가하는 세계적 건강 위기를 해결하기 위해 개인 맞춤형 식품 추천 시스템을 향상시키기 위해.
• 다양한 맥락 통합, 정확한 개인 모델 구축, 고유한 식품 특성 분석과 같은 식품 추천 분야의 핵심 과제를 규명하기 위해.
• 기존 식품 추천 솔루션에 대한 체계적인 검토를 제공하여 다중미디어 연구 문헌에서 중요한 격차를 메우기 위해.
• 딥 러닝, 지식 그래프, 다중모달 데이터를 통합한 보다 효과적이고 설명 가능한 식품 추천을 위한 통합 프레임워크를 제안하기 위해.
• 영양, 심리학, 헬스테크놀로지 분야에서 열린 과제와 향후 방향을 제시함으로써 다학제적 연구를 자극하기 위해.

제안 방법

• 식사 기록 데이터에서 유저 프로필을 구축하고, 시간, 위치, 생체 정보 등 맥락(예: 시간, 위치, 생체 정보)을 통합하는 통합 프레임워크를 제안한다.
• 식품 추천에 지식 그래프(KG)를 도입하며, 노드는 식품 항목을, 관계는 위키백과와 같은 자료에서 유래하여 영양 및 감각적 특성을 모델링한다.
• 시각적, 텍스트적, 영양 정보를 지식 그래프에 연결하여 더 rich한 표현을 위한 다중모달 지식 그래프 구축을 제안한다.
• 딥 러닝(DL)과 지식 그래프(KG)를 밀접하게 통합하여 사용자 선호도와 항목 의미를 함께 모델링함으로써 추천 정확도를 향상시킨다.
• 지식 그래프를 활용해 추천의 이유를 설명 가능하게 하여 사용자 신뢰도와 만족도를 높이는 설명 가능한 식품 추천을 탐색한다.
• 딥 러닝을 통한 연속형 및 이산형 특성의 공동 모델링이 필요하며, 이를 통해 구조화된 지식과의 호환성을 확보하고 일반화 능력을 향상시켜야 한다.

실험 결과

연구 질문

• RQ1 식품 추천 시스템에서 맥락, 개인 모델링, 도메인 지식을 통합할 수 있는 통합 프레임워크는 어떻게 설계할 수 있는가?
• RQ2 생체 신호, 환경 데이터 등 다양한 맥락을 식품 추천에 통합할 때의 핵심 과제는 무엇인가?
• RQ3 식품 전용 지식 그래프는 어떻게 구축하고 효과적으로 활용할 수 있는가?
• RQ4 딥 러닝과 지식 그래프를 융합하여 다중모달 식품 추천에 가장 효과적으로 적용할 수 있는 방법은 무엇인가?
• RQ5 지식 그래프와 딥 러닝을 활용해 설명 가능한 식품 추천을 어떻게 달성할 수 있는가? 이는 사용자 신뢰도 향상과 시스템 투명성 향상에 어떻게 기여하는가?

주요 결과

• 비만과 당뇨병과 같은 세계적 건강 문제 해결에 핵심적인 역할을 하는 식품 추천은 다중미디어 연구 분야에서 여전히 탐색이 부족한 분야이다.
• 영화나 POI 도메인의 기존 추천 시스템은 식품 선호의 복잡성과 도메인 특화 모델링의 필요성으로 인해 식품 분야로 직접 이식하기 어려운 편이다.
• 심박수, PM2.5 등 생체 및 환경 맥락의 통합은 이질적인 데이터 유형과 통계적 성질로 인해 도전 과제를 안고 있으며, 고도의 융합 기술이 필요하다.
• 식품 전용 지식 그래프 구축은 필수적이지만 비단순한 과제이며, 노드와 관계의 정확한 정의가 필요하며, 위키백과가 유망한 출발점이 될 수 있다.
• 딥 러닝과 지식 그래프의 공동 학습은 유망한 분야이지만 아직 탐색이 부족하며, 추천 정확도와 설명 가능성 향상에 큰 잠재력을 지닌다.
• 설명 가능한 식품 추천는 여전히 초보 단계에 있지만, 지식 그래프를 활용하면 사용자 중심의 해석 가능한 설명을 제공할 수 있다.