基于图神经网络的个性化膳食推荐算法研究.pdfVIP

摘要

随着网上食谱分享平台的快速发展，食物推荐正成为一个重要的应用。虽

然最近的研究在食物推荐方面取得很大的进展，但大多推荐算法存在两个缺

点，可能会影响推荐的效果。(1)系统没有考虑食材之间的关系，可能导致食

谱的次优表征，进而导致忽略用户个性化的食材组合偏好。(2)现有方法在用

户的食物决策过程中没有考虑用户偏好对卡路里的影响。本文提出一种自监督

的卡路里感知异构图网络(Self-supervisedCalorie-awareHeterogeneousGraph

Network,SCHGN)来建模成分之间的关系，同时纳入食物的卡路里信息。具体

来说，首先模型将用户、食谱、配料和卡路里合并到一个异构图中，并用有向

边明确地表示它们之间的相互关系。然后，通过自监督配料预测来探索不同食

谱中配料的共现关系。为捕捉用户对食物卡路里的动态偏好，通过分层消息传

递学习卡路里感知的用户表征，并通过注意力机制计算用户综合指导食谱表

征。最终的食物推荐是基于用户的卡路里感知表征和用户指导的食谱表征之间

的相似性来完成的。

食物推荐的结果主要受用户个性化食物偏好和健康因素导向影响，二者虽

然目标不同，但相互补充。本文将单独讨论它们的特点和联系。研究探索在算

法中加入健康偏差和显示健康标签的影响。实验分别构建了三个类型的食物推

荐系统来进行对比：一个按偏好推荐，一个只推荐健康食谱，一个既健康又符

合偏好。通过用户行为数据评估这三个系统，参与者从列表中选择喜欢的食谱。

基准数据集上的实验结果证明了该方法的有效性。

关键词：膳食推荐算法；食谱热量；异构图；自监督学习；医疗保健

ABSTRACT

Althoughtherapiddevelopmentofonlinerecipesharingplatforms,food

recommendationisbecominganimportantapplication.Althoughrecentstudies

havemadegreatprogressinfoodrecommendation,theyhavetwoshortcomings

thatmayaffecttheeffectivenessofrecommendations.(1)Theydonotconsiderthe

relationshipsbetweeningredients,whichmayleadtosuboptimalcharacterizations

ofrecipesandconsequentlyignoreuserspersonalizedpreferencesforingredient

combinations.(2)Existingmethodsdonotconsidertheimpactofuserpreferences

oncaloriesduringtheusersfooddecision-makingprocess.Thispaperproposesa

self-supervisedcalorie-awareheterogeneousgraphnetwork(SCHGN)tomodel

therelationshipsbetweencomponentswhileincorporatingthecaloriesoffood.

Specifically,itfirstmergesusers,recipes,ingredients,andcaloriesintoa

heterogeneousgraphandexplicitlyrepresentstheircomplexrelationshipswith

directededges.Then,itexplorestheco-occurrencerelationshipso