Rensselaer理工學(xué)院和紐約IBM Research的研究人員最近創(chuàng)建了pFoodReQ，該系統(tǒng)可以根據(jù)個(gè)人用戶的喜好和飲食需求推薦量身定制的食譜。該系統(tǒng)在arXiv上預(yù)發(fā)表的一篇論文中進(jìn)行了概述，并將在3月的第14屆國際Web搜索和數(shù)據(jù)挖掘國際會(huì)議(WSDM)上進(jìn)行介紹。

“我們的工作集中在個(gè)性化食品推薦上，”開發(fā)該系統(tǒng)的研究人員之一穆罕默德·扎基(Mohammed J. Zaki)告訴TechXplore。“特別是，給定用戶使用自然語言的查詢，我們希望在配方數(shù)據(jù)集中檢索最匹配的內(nèi)容。”

Zaki和他的同事進(jìn)行的這項(xiàng)研究的短期目標(biāo)是幫助人們找到既能滿足飲食需求又能滿足其飲食習(xí)慣的健康食譜。理想情況下，他們希望這些食譜既能反映出用戶的意圖(即，他們是否計(jì)劃做一頓快速或更精致的飯菜)，他們的喜好(即，他們是否喜歡或不喜歡特定的食材或美食)，飲食上的限制(即，他們對(duì)某些產(chǎn)品過敏或不耐受)和健康狀況(例如，糖尿病，超重或有特定的健康狀況)。

扎基說：“關(guān)鍵思想是，給定相同的查詢，對(duì)于不同的用戶，響應(yīng)實(shí)際上應(yīng)該是不同的。” “換句話說，響應(yīng)應(yīng)該個(gè)性化。這是一項(xiàng)非常具有挑戰(zhàn)性的任務(wù)，尤其是在確定與查詢實(shí)際相關(guān)的隱式約束方面。”

Zaki和他的同事們研究的一個(gè)更廣泛的目標(biāo)是將機(jī)器學(xué)習(xí)方法與語義相結(jié)合，語義是與意義相關(guān)的語言學(xué)分支。為此，研究人員將深度學(xué)習(xí)技術(shù)與他們開發(fā)的大型食品知識(shí)圖譜FoodKG結(jié)合使用?？稍诰€在線獲得的FoodKG圖包含超過6700萬條記錄(或三重記錄)。這些記錄包括大約一百萬個(gè)食譜，這些食譜與完成它們所需的食材之間的關(guān)系的圖形表示，以及與食材的特性，營養(yǎng)成分和不同美食或食物類別有關(guān)的數(shù)據(jù)。

Zaki解釋說：“與專注于食品推薦的現(xiàn)有工作相比，我們的框架具有許多獨(dú)特的優(yōu)勢。” “首先，我們的目標(biāo)是將個(gè)性化食譜推薦任務(wù)轉(zhuǎn)換為以自然語言回答的問題，以易于使用。其次，我們的系統(tǒng)可以處理明確的要求，其中涉及食品標(biāo)簽(例如意大利菜)和允許的配料(例如必須包含菠菜)以及否定項(xiàng)(例如，不應(yīng)包含核桃)。”

對(duì)于深度學(xué)習(xí)系統(tǒng)來說，否定或突出強(qiáng)調(diào)不應(yīng)包含在推薦項(xiàng)目中的內(nèi)容的陳述非常困難。這主要是因?yàn)樯疃壬窠?jīng)網(wǎng)絡(luò)并不總是擅長區(qū)分正面陳述和負(fù)面陳述(例如，食譜必須包含花生，而食譜必須不含花生)。研究人員能夠通過為神經(jīng)網(wǎng)絡(luò)引入特定的正/負(fù)線索來克服此限制。

食品推薦系統(tǒng)的另一個(gè)獨(dú)特特征是，它既可以捕捉用戶的獨(dú)特品質(zhì)或偏好，也可以捕捉健康營養(yǎng)的一般準(zhǔn)則。這使其可以提供個(gè)性化的食譜建議，從而促進(jìn)良好的營養(yǎng)和健康。

“為實(shí)現(xiàn)這一目標(biāo)，我們通過對(duì)用戶的喜好和健康指南(例如，根據(jù)美國糖尿病協(xié)會(huì)生活方式指南，所有成年人的總脂肪攝入量應(yīng)占總卡路里攝入量的20-35%)進(jìn)行建模，利用了基于語義的方法，知識(shí)子圖與相關(guān)的FoodKG子圖結(jié)合以檢索良好的建議。”

該框架是自適應(yīng)的，可以從用戶的過去日志中學(xué)習(xí)。這意味著它會(huì)隨著時(shí)間的推移獲取有關(guān)一個(gè)人的飲食偏愛和需求的信息，然后使用此信息來建議符合這些偏愛和需求的新的健康食譜。

Zaki說：“我們的推薦系統(tǒng)背后的幕后技術(shù)方法依賴于三個(gè)模塊，這些模塊利用了底層的問題解答深度學(xué)習(xí)系統(tǒng)。” “第一個(gè)也是最重要的一個(gè)是查詢擴(kuò)展模塊，其中原始的自然語言查詢被擴(kuò)展為包括來自用戶和健康知識(shí)子圖的隱式約束，因此發(fā)送到問答模塊的最終查詢具有所有要求和約束。明確。”

框架的第二個(gè)組件，約束模型模塊，處理正和負(fù)成分約束(例如，必須包含或不能包含花生)。另一方面，最后一個(gè)模塊執(zhí)行所謂的知識(shí)圖擴(kuò)充。

扎基解釋說：“深度學(xué)習(xí)系統(tǒng)在數(shù)值比較約束(例如，低于500卡路里的菜肴)中掙扎。” “我們通過動(dòng)態(tài)地'重寫'或?qū)oodKG子圖擴(kuò)展為與給定數(shù)值約束相對(duì)應(yīng)的布爾約束(真/假)來轉(zhuǎn)換數(shù)字比較約束來解決此問題(例如，滿足約束的配方被動(dòng)態(tài)標(biāo)記為真) 。”

該框架的三個(gè)模塊結(jié)合在一起，可以提供健康且個(gè)性化的食譜建議。除了這種高性能的食物推薦系統(tǒng)外，研究人員還創(chuàng)建了自然語言問題和與食物建議相關(guān)的地面真相答案的基準(zhǔn)。值得注意的是，在這項(xiàng)研究之前，還沒有這樣的基準(zhǔn)。此外，其中包含的問題是根據(jù)用戶在Reddit上發(fā)布的與食物相關(guān)的真實(shí)問題而設(shè)計(jì)的。

為了評(píng)估其框架并將其與現(xiàn)有食品推薦系統(tǒng)進(jìn)行比較，研究人員進(jìn)行了一項(xiàng)用戶研究，其中要求一些參與者評(píng)估不同系統(tǒng)(包括他們自己的系統(tǒng))的建議。所有系統(tǒng)都根據(jù)參與者對(duì)50個(gè)問題的回答提出建議，這些問題探討了他們與食物有關(guān)的偏好和飲食需求。值得注意的是，由Zaki和他的同事創(chuàng)建的框架勝過了與之相比的所有技術(shù)，大多數(shù)參與者表示，與其他系統(tǒng)提出的建議相比，他們更偏愛其提供的建議。

扎基說：“我們希望這個(gè)基準(zhǔn)的公開發(fā)布將刺激急需的后續(xù)工作和未來的改進(jìn)。” “在技術(shù)方面，我們證明了我們提出的將查詢擴(kuò)展，約束模型和知識(shí)圖擴(kuò)充與基于深度學(xué)習(xí)的知識(shí)圖問答系統(tǒng)(BAMnet)相結(jié)合的方法，與現(xiàn)有的食物推薦相比，可提供巨大的改進(jìn)方法。”

將來，本文可能會(huì)為數(shù)字助手的發(fā)展提供信息，這些助手可以幫助用戶做出更健康的食物選擇并尋找新的食譜。扎基(Zaki)和他的同事們現(xiàn)在正在以幾種方式來改善他們的系統(tǒng)。

扎基說：“現(xiàn)有系統(tǒng)應(yīng)被視為個(gè)性化食品推薦的第一步，但仍然存在許多挑戰(zhàn)。” “我們需要更加復(fù)雜的問答基準(zhǔn)來處理隱含的用戶意圖和各種情況。推薦更健康的替代方案和潛在替代方案也需要更多工作。處理更復(fù)雜的約束條件并找到在回答時(shí)應(yīng)考慮的最相關(guān)約束條件集查詢?nèi)匀皇且粋€(gè)挑戰(zhàn)，這也可以被認(rèn)為是將常識(shí)推理納入框架中。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！