[논문]레시피 데이터 기반의 식재료 궁합 분석을 이용한 레시피 추천 시스템 구현

민성희; 오유수

doi:10.9717/kmms.2021.24.8.1114

Abstract ▼ AI-Helper

In this paper, we implement a recipe recommendation system using ingredient harmonization analysis based on recipe data. The proposed system receives an image of a food ingredient purchase receipt to recommend ingredients and recipes to the user. Moreover, it performs preprocessing of the receipt im...

In this paper, we implement a recipe recommendation system using ingredient harmonization analysis based on recipe data. The proposed system receives an image of a food ingredient purchase receipt to recommend ingredients and recipes to the user. Moreover, it performs preprocessing of the receipt images and text extraction using the OCR algorithm. The proposed system can recommend recipes based on the combined data of ingredients. It collects recipe data to calculate the combination for each food ingredient and extracts the food ingredients of the collected recipe as training data. And then, it acquires vector data by learning with a natural language processing algorithm. Moreover, it can recommend recipes based on ingredients with high similarity. Also, the proposed system can recommend recipes using replaceable ingredients to improve the accuracy of the result through preprocessing and postprocessing. For our evaluation, we created a random input dataset to evaluate the proposed recipe recommendation system's performance and calculated the accuracy for each algorithm. As a result of performance evaluation, the accuracy of the Word2Vec algorithm was the highest.

주제어

표/그림 (6)

그림 Fig. 1. The diagram of data flow of the proposed system.
그림 Fig. 2. Processing result of the collected data.
그림 Fig. 3. The screenshot of recipe recommendation system.
그림 Fig. 4. Result of extracting texts from the receipt.
그림 Fig. 5. The Result of experiments.
표 Table 1. The performance for proposed algorithm and conventional algorithms.

AI 본문요약
AI-Helper

문제 정의

따라서 본 논문에서는 레시피 데이터 기반의 식재료 궁합을 이용한 레시피 추천 시스템을 구현한다. 제안된 시스템은 사용자에게 식재료와 레시피를 추천하기 위하여 식재료 구입 영수증 이미지를 입력받는다.
본 논문에서는 구현된 레시피 추천 시스템의 성능을 평가하기 위하여 임의의 입력 데이터세트를 만들고, 각각의 알고리즘에 대해 정확도를 계산한다. 특히 전처리 및 후처리에 대한 편향을 부여하기 위하여 입력 데이터 및 대체 식재료에 대한 가중치를 적용한다.
본 논문에서는 레시피 데이터 기반의 식재료 궁합을 이용한 레시피 추천 시스템을 구현하였다. 구현 결과 제안된 시스템은 사용자로부터 입력된 식재료구매 영수증 사진을 영상처리 알고리즘을 통해 전처리하고, 텍스트를 추출하여 식재료 정보를 획득할 수 있다.
본 연구에서는 음식 또는 레시피 추천 시스템에 대한 기존 연구에 대해 분석하였다. 기존의 레시피추천 시스템은 주로 사용자의 정보를 토대로 그룹화하여 다양한 필터링 알고리즘을 통해 사용자에게 정보를 추천한다.

제안 방법

구현 결과 제안된 시스템은 사용자로부터 입력된 식재료구매 영수증 사진을 영상처리 알고리즘을 통해 전처리하고, 텍스트를 추출하여 식재료 정보를 획득할 수 있다. 그리고 각 식재료에 대한 궁합을 계산하기 위하여 레시피 데이터를 수집하고, 수집된 레시피들의 재료를 데이터로 추출하여 자연어 처리 알고리즘으로 학습하여 벡터 데이터를 획득하였다. 그리고 식재료 궁합 결과에서 획득한 궁합이 좋은 식재료를 기반으로 레시피를 추천하였다.
제안된 시스템은 사용자에게 식재료와 레시피를 추천하기 위하여 식재료 구입 영수증 이미지를 입력받는다. 그리고 제안된 시스템은 입력된 식재료 구매영수증 사진을 영상처리 알고리즘을 통해 전처리하고, OCR 알고리즘을 통해 이미지 내의 텍스트를 추출한다.
본 논문에서는 레시피 추천 시스템의 자연어 처리알고리즘에 대해 평가를 수행하였다. 각 알고리즘의 파라미터는 실험적으로 설정하였으며, epoch은 1000 으로 고정하였다.

대상 데이터

각 알고리즘의 파라미터는 실험적으로 설정하였으며, epoch은 1000 으로 고정하였다. 학습에 사용된 전체 데이터세트의 개수는 7455개이고, 전체 단어의 개수는 1850개이다. Word2Vec의 경우 vector_size는 100, min_count는 1, window는 5로 설정하였다.

데이터처리

4.1.절에서 가장 높은 정확도로 평가된 Word2Vec 알고리즘을 추천 시스템에 적용하기 위하여 Grid Search 알고리즘을 사용하여 최적의 파라미터를 찾기 위한 실험을 진행하였다. 먼저 vector_size와 min_ count, window에 대한 파라미터를 찾기 위하여 ep- och은 20으로 고정하였다.

이론/모형

특히 전처리 및 후처리에 대한 편향을 부여하기 위하여 입력 데이터 및 대체 식재료에 대한 가중치를 적용한다. 또한 해당 알고리즘에 대해 GridSearch 알고리즘을 사용하여 최적의 파라미터를 찾는다.
본 논문에서는 전처리/후처리 모듈을 추가하여 대체 식재료에 대한 정보를 구현함으로써 사용자의 입력에 대한 오류를 방지하고, 추천의 정확도를 향상시켰다. 본 논문에서는 구현된 레시피 추천 시스템의 성능평가를 위하여 Word2Vec, Doc2Vec, Wikipidia 한국어 말뭉치로 전이학습한 Word2Vec 알고리즘을 사용하였다. 각 알고리즘에 대해 성능평가를 수행한 결과 Word2Vec 알고리즘의 성능이 가장 높았다.
특히 본 논문에서 추가된 영수증 입력 모듈은 사용자가 입력한 영수증 이미지를 전처리하고, 텍스트로 추출하기 위한 모듈이다. 영수증 입력 모듈에서는 입력된 영수증 이미지를 GrayScale 변환, 노이즈 제거 등의 기법으로 이미지를 전처리한다. 그리고 텍스트 형태로 추출하여 사용자가 식재료를 입력하는 과정을 쉽게 할 수 있도록 도와준다.

성능/효과

본 논문에서는 구현된 레시피 추천 시스템의 성능평가를 위하여 Word2Vec, Doc2Vec, Wikipidia 한국어 말뭉치로 전이학습한 Word2Vec 알고리즘을 사용하였다. 각 알고리즘에 대해 성능평가를 수행한 결과 Word2Vec 알고리즘의 성능이 가장 높았다.
본 논문에서는 레시피 데이터 기반의 식재료 궁합을 이용한 레시피 추천 시스템을 구현하였다. 구현 결과 제안된 시스템은 사용자로부터 입력된 식재료구매 영수증 사진을 영상처리 알고리즘을 통해 전처리하고, 텍스트를 추출하여 식재료 정보를 획득할 수 있다. 그리고 각 식재료에 대한 궁합을 계산하기 위하여 레시피 데이터를 수집하고, 수집된 레시피들의 재료를 데이터로 추출하여 자연어 처리 알고리즘으로 학습하여 벡터 데이터를 획득하였다.
그리고 각 식재료에 대한 궁합을 계산하기 위하여 레시피 데이터를 수집하고, 수집된 레시피들의 재료를 데이터로 추출하여 자연어 처리 알고리즘으로 학습하여 벡터 데이터를 획득하였다. 그리고 식재료 궁합 결과에서 획득한 궁합이 좋은 식재료를 기반으로 레시피를 추천하였다. 본 논문에서는 전처리/후처리 모듈을 추가하여 대체 식재료에 대한 정보를 구현함으로써 사용자의 입력에 대한 오류를 방지하고, 추천의 정확도를 향상시켰다.
그리고 식재료 궁합 결과에서 획득한 궁합이 좋은 식재료를 기반으로 레시피를 추천하였다. 본 논문에서는 전처리/후처리 모듈을 추가하여 대체 식재료에 대한 정보를 구현함으로써 사용자의 입력에 대한 오류를 방지하고, 추천의 정확도를 향상시켰다. 본 논문에서는 구현된 레시피 추천 시스템의 성능평가를 위하여 Word2Vec, Doc2Vec, Wikipidia 한국어 말뭉치로 전이학습한 Word2Vec 알고리즘을 사용하였다.
평가 결과 3가지 알고리즘 중 Word2Vec의 알고리즘의 성능이 75.56%로 가장 높게 나타났다. 입력식 재료를 임의로 추출했음에도 정확도의 편차가 나타난 것으로 보아 추천된 식재료의 결과에 대한 후처리가 필요하다.

후속연구

추후 연구로는 레시피 추천 시스템의 구현 및 실험 결과 영수증 이미지에 대한 전처리와 한국어 인식알고리즘의 성능을 높이기 위한 방법이 필요하다. 추천 시스템의 경우 주재료와 부재료, 양념에 대한 가중치를 달리하여 주재료 및 부재료 위주로 식재료를추천하고, 사용자 입력 주재료의 전처리를 수행하는 알고리즘을 개발할 것이다.
추후 연구로는 레시피 추천 시스템의 구현 및 실험 결과 영수증 이미지에 대한 전처리와 한국어 인식알고리즘의 성능을 높이기 위한 방법이 필요하다. 추천 시스템의 경우 주재료와 부재료, 양념에 대한 가중치를 달리하여 주재료 및 부재료 위주로 식재료를추천하고, 사용자 입력 주재료의 전처리를 수행하는 알고리즘을 개발할 것이다.
사용자가 바지락 시금치 된장국 레시피를 선택하여 이에 해당하는 정보가 출력되었다. 해당 결과는 만개의 레시피 웹 사이트에서 획득한 데이터를 사용한 것으로 추후 다른 레시피 정보를 추가한다면 다양한 추천이 가능할 것이다.

참고문헌 (15)

Food market news letter: Rising food as Corona 19 (2020), https://www.atfis.or.kr/article/M001010000/view.do?articleId3595 (accessed August 30, 2021).
SSG.com, the trend that captured the "Zipcocks-Jock" this year(2020), https://www.shinsegaegroupnewsroom.com/51174/ (accessed August 30, 2021).
'Doraemon Pouch' for Minus Hands(2020), https://www.mk.co.kr/news/culture/view/2020/09/940916/ (accessed August 30, 2021).
The untact generation, re-rising cook entertainment "The heyday of home-cooking dishes" (2020), https://www.ajunews.com/view/20200625150846638 (accessed August 30, 2021).
10000 recipe(2021), www.10000recipe.com/(accessed August 30, 2021).
Recipe Standard Information(2021), https://www.data.go.kr/data/15057205/openapi.do (accessed August 30, 2021).
E. Gorbonos, Y. Liu, and C. T. Hoang, "Nutrec: Nutrition Oriented Online Recipe Recommender," In 2018 IEEE/WIC/ACM International Conference on Web Intelligence, pp. 25-32, 2018.
J. Hong and H. Lee, "Recipe Recommendation Method Using Text Analytics and Ingredients Hierarchy," Journal of Korean Institute of Industrial Engineers, Vol. 45. No. 4, pp. 302-312, 2019.

상세보기
R.Y. Toledo, A.A. Alzahrani, and L. Martinez, "A Food Recommender System Considering Nutritional Information and User Preferences," IEEE Access, Vol. 7, pp. 96695-96711, 2019.

상세보기
Q. Le and T. Mikolov, "Distributed Representations of Sentences and Documents," In International conference on machine learning, pp. 1188-1196, 2014.
T. Mikolov, K. Chen, G. Corrado, and J. Dean, "Efficient Estimation of Word Representations in Vector Space," In Proceedings of Workshop at ICLR, pp. 1-12, 2013.
M. Im, J. Kim, and J. Shin, "Method of Related Document Recommendation with Similarity and Weight of Keyword," Journal of Korea Multimedia Society, Vol. 22. No. 11, pp. 1313-1323, 2019.
OpenCV(2021), https://opencv.org/ (accessed August 30, 2021).
Tesseract(2021), https://github.com/tesseract-ocr/tessdoc#training-for-tesseract-5 (accessed August 30, 2021).
Pre-trained word vectors of 30+ languages (2021), https://github.com/Kyubyong/word-vectors (accessed August 30, 2021).

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

레시피 데이터 기반의 식재료 궁합 분석을 이용한 레시피 추천 시스템 구현
Implementation of Recipe Recommendation System Using Ingredients Combination Analysis based on Recipe Data 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

레시피 데이터 기반의 식재료 궁합 분석을 이용한 레시피 추천 시스템 구현 Implementation of Recipe Recommendation System Using Ingredients Combination Analysis based on Recipe Data 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

민성희 (2) 오유수 (8)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

레시피 데이터 기반의 식재료 궁합 분석을 이용한 레시피 추천 시스템 구현
Implementation of Recipe Recommendation System Using Ingredients Combination Analysis based on Recipe Data 원문보기

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper