IJCAIMay, 2022

RecipeRec：一种用于食谱推荐的异构图学习模型

PDF
TL;DR本文提出了一种基于图模型的食谱推荐方法，将协作信号纳入计算中，通过具有分层注意力和成分集转换器的异构图神经网络来捕捉食谱内容和协作信号，使用图对比增强策略以自我监督的方式提取信息，利用推荐和对比学习的联合目标函数来优化模型，实验证明了其优于现有的食谱推荐方法。
发现论文，激发创造
  • RECipe：多模态食谱知识图谱适合于多用途推荐系统吗？

    RECipe 是一个多用途食谱推荐框架，使用多模态知识图作为支撑，通过深度神经协同过滤 (NCF) 在用户查询自然语言或提供图像时推荐食谱。RECipe 包括行为、评论和图像三个子系统，依赖于图中实体和关系的嵌入表示。通过微软 MPNet 的模型对文本实体进行预训练，然后使用这些嵌入表示初始化实体的权重用于知识图嵌入 (KGE) 模型的训练。对于图像部分，使用 KGE-Guided variational autoencoder (KG-VAE) 学习图像的分布和潜在表示。KGE 和 KG-VAE 模型训练完成后，用于作为多用途推荐框架。RECipe 在数据集上进行了实验证明了 KGE 模型与神经解决方案的可比性，并提供了预训练 NLP 嵌入来解决冷启动问题和基于食谱类别的条件推荐。最终演示了 RECipe 在多用途推荐设置中的应用。

    Aug, 2023

  • Recipe2Vec: 基于图神经网络的多模态食谱表示学习

    本文讨论了将视觉，文本和关系信息集成到食谱嵌入中的问题，并介绍了一种基于图神经网络（GNN）的全新食谱嵌入模型 Recipe2Vec。通过对大量实验的验证，证明该模型在两项食品学研究任务中表现出色 - 风味分类和地区预测。

    May, 2022

  • 无监督学习食谱图

    提出一种无监督学习的方法，使用图表示法从烹饪食谱中提取相关信息，并通过解码图成文本进行监督，与其他方法相比，使用文本到图和图到文本的方式迭代学习图结构和参数，并通过与标注数据集的实体对比、输入和输出文本的差异对比以及与现有方法生成的图的对比来评估该方法。

    Jan, 2024

  • 推荐系统中异构关系学习的最新进展

    调查了不同类型的推荐框架的发展，重点关注于异构关系学习，分类研究了社交推荐、知识图增强推荐系统以及多行为推荐的学习方法，探讨如何有效地提取异构上下文信息。最后对异构关系学习提出了新的方向和机会。

    Oct, 2021

  • 更健康的饮食：探索健康餐谱的营养信息

    提出了一种名为 NutRec 的新型框架，该框架使用神经网络模型中的三个主要组件来基于食材预测和推荐健康的食谱，经过实验证明该框架可以成功检索到较为健康的菜谱。

    Mar, 2020

  • 社交推荐的图神经网络

    本文提出了一种图神经网络框架（GraphRec）用于社交推荐，该框架可以共同模拟两个图形和异构强度，并对用户 - 项目图形中的交互和观点进行联合捕获。

    Feb, 2019

  • 异质项目关系混合推荐

    研究使用信号来推荐物品，探索了混合专家方法和知识图谱嵌入用于组合多种异构物品关系的框架，并发现该方法比其他方法更能提供直观的推荐解释和更准确的推荐。

    Aug, 2018

  • 异构图上基于邻域的高效交互模型推荐

    本论文提出了一种名为 NIRec 的邻域交互模型，旨在提高基于异构信息网络的推荐性能，通过探索节点互动模式并采用卷积方式进行有效的学习，本模型较现有方法表现更佳。

    Jul, 2020

  • 层次变换器与自监督学习优化跨模态菜谱检索

    本研究针对跨模态食谱检索任务，提出一个基于端到端模型的层级食谱 Transformer，使用自我监督损失函数在图像和食谱样本上训练，取得了 Recipe1M 数据集上的最佳性能表现。

    Mar, 2021

  • 基于用户会话约束的个性化会话推荐异构图神经网络

    本文提出了一种利用多样化的注意力网络分析会话间关系，考虑用户信息生成会话表示和用户表示，从而实现改进推荐系统的效果的模型，并在多个真实数据集上取得了优异的性能。

    May, 2022