$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

사용자 관점에서의 음식 레시피 분류 모델에 관한 연구
Food Recipe Clustering Model from the User's Perspective 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.26 no.10, 2022년, pp.1441 - 1446  

이우행 (Computer & Information Technology, Korea University Graduate School) ,  최수연 (Computer & Information Technology, Korea University Graduate School)

초록
AI-Helper 아이콘AI-Helper

현대인들은 음식 레시피에 대한 다양한 정보들을 인터넷이나 소셜 미디어 등에서 매우 쉽게 접할 수 있게 되었다. 음식 레시피를 제공하는 공급량이 많아지면서 범람하는 정보 안에서 사용자들이 각자에 맞는 레시피를 찾기에는 수고로움이 따르게 된다. 이처럼 사용자들의 요구사항을 반영하여 정보를 제공할 필요성이 높아졌고, 음식 레시피와 요리 추천에 관련 연구가 활발해지고 있다. 또한, 이를 활용한 인터넷, 영상 및 어플리케이션 시장 역시 급속도로 활성화되고 있다. 본 연구에서는 음식 레시피 사용자들의 관점에서 레시피를 분류하기 위하여 사용자의 리뷰 데이터를 비지도학습인 K-평균 군집화 기법을 적용하였으며, 이를 통해 "음식 레시피 분류 모델"을 도출하였다. 그 결과 특정 목적, 조리 단계 등 많은 사용자들이 필요한 정보를 포함한 총 25개의 군집으로 분류하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Modern people can access various information about food recipes very easily on the Internet or social media. As the supply of food recipes increases, it is difficult to find a suitable recipe for each user in the overflowing information. As such, the need to provide information by reflecting users' ...

주제어

#k-평균 군집화   #분류   #비지도학습   #음식   #레시피  

표/그림 (7)

참고문헌 (8)

  1. J. Hong and H. Lee, "Recipe Recommendation Method Using Text Analytics and Ingredients Hierarchy," Journal of the Korean Institute of Industrial Engineers, vol. 45, no. 4, pp. 302-312, Aug. 2019. 

  2. J. Choi and G. Han, "Structural Analysis of Cooking Recipe Texts - Based on Kimchi Jjigae Recipe," The Korean Journal of Community Living Science, vol. 28, no. 2, pp. 191-201, May 2017. 

  3. D. Lee, I. Min, J. -W. Kim, J. Lee, J. Shin, and S. Lee, "Design and Implementation of Food Recommendation System Based on Personal Preference," in Proceedings of the 2016 Winter Conference of the Korean Institute of Information Scientists and Engineers, Pyeongchang, Korea, pp. 1411-1413, 2016. 

  4. J. Mueller and A. Thyagarajan, "Siamese Recurrent Architectures for Learning Sentence Similarity," in Proceedings of the National Conference on Artificial Intelligence, Phoenix: AZ, USA, vol. 30, no. 1, pp. 2786-2792, 2016. 

  5. D. H. Kim, "Comparison of Taste Prediction Performance of Recipe using Machine learning," in Proceedings of Symposium of the Korean Institute of communications and Information Sciences, Jeongseon, Korea, pp.1088-1090, 2018. 

  6. J. H. Jo, "Development of wine recommendation algorithm using similarity algorithm -Focus on Bigdata analysis techniques," M.S. thesis, Namseoul University, 2018. 

  7. M. Dillon, "Introduction to modern information retrieval," Information Processing & Management, vol. 19 no. 6, pp. 402-403, 1983. 

  8. S. -J. Choi, "Beta-wave Correlation Analysis Model based on Unsupervised Machine Learning," Journal of Digital Convergence, vol. 17, no. 3, pp. 221-226, Mar. 2019. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로