Doporučovací systémy pro doménu receptů

• Název práce v češtině: Doporučovací systémy pro doménu receptů
• Název v anglickém jazyce: Recommender systems for the recipes domain
• Klíčová slova: doporučovací systémy, recepty, doporučení založené na obsahu, mobilní aplikace, funkcionální programování
• Klíčová slova anglicky: recommender systems, recipes, content based recommender systems, mobile application, functional programming
• Akademický rok vypsání: 2019/2020
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: Mgr. Ladislav Peška, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 22.10.2019
• Datum zadání: 28.05.2020
• Datum potvrzení stud. oddělením: 05.06.2020
• Datum a čas obhajoby: 07.07.2020 09:00
• Datum odevzdání elektronické podoby: 05.06.2020
• Datum odevzdání tištěné podoby: 04.06.2020
• Datum proběhlé obhajoby: 07.07.2020
• Oponenti: Ing. David Bernhauer

Zásady pro vypracování

Řešitel nejprve získá přehled v oblasti doporučovacích systémů - zaměří se především doporučování založené na obsahu, *2vec modely, případně context-dependent doporučování, hybridní doporučovací modely a jejich využití v doporučování jídla a receptů.
Na základě prostudované literatury navrhne řešitel vhodné algoritmy pro řešení problematiky doporučování v doméně receptů, kde jako primární zdroj informací předpokládáme seznam nakupovaných surovin a historická interakce uživatele se systémem. Řešitel dále navrhne a implementuje mobilní aplikaci (klient-server architektura), do které bude doporučování zasazeno.

Seznam odborné literatury

Ricci, F. et al (Eds): Recommender Systems Handbook, Springer, 2011
Jannach, D. et al (Eds): Recommender Systems: An Introduction, Cambridge University Press, 2011

Christoph Trattner, David Elsweiler: Food Recommender Systems: Important Contributions, Challenges and Future Research Directions. https://arxiv.org/abs/1711.02760
Christoph Trattner, Markus Rokicki, and Eelco Herder. On the Relations Between Cooking Interests, Hobbies and Nutritional Values of Online Recipes: Implications for Health-Aware Recipe Recommender Systems. UMAP 2017
Tomasz Kusmierczyk, Christoph Trattner, and Kjetil Nørvåg. 2015. Temporality in Online Food Recipe Consumption and Production. WWW 2015
Elahi, Mehdi et al. Interaction Design in a Mobile Food Recommender System. IntRS@RecSys (2015).
Omar Marcus Taylor et al.: RECOMMENDING RECIPES: A DATA ENABLED FRAMEWORK. http://www.ncurproceedings.org/ojs/index.php/NCUR2018/article/view/2668/1394

Alexandros Karatzoglou, Balázs Hidasi: Deep Learning for Recommender Systems (Tutorial). RecSys 2017: 396-397
Quoc V. Le, Tomas Mikolov: Distributed Representations of Sentences and Documents. https://arxiv.org/abs/1405.4053
Nguyen, J. & Zhu, M. Content-boosted matrix factorization techniques for recommender systems. Statistical Analysis and Data Mining, Wiley Subscription Services, Inc., A Wiley Company, 2013, 6, 286-301
Massimo Quadrana, Alexandros Karatzoglou, Balázs Hidasi, Paolo Cremonesi: Personalizing Session-based Recommendations with Hierarchical Recurrent Neural Networks. RecSys 2017: 130-137
Dietmar Jannach, Malte Ludewig: When Recurrent Neural Networks meet the Neighborhood for Session-Based Recommendation. RecSys 2017: 306-310
Peška L., Vojtáš P.: Using Implicit Preference Relations to Improve Recommender Systems, in Journal On Data Semantics, ISSN: 1861-2032
Marius Kaminskas, Derek Bridge, Franclin Foping and Donogh Roche: Product-Seeded and Basket-Seeded Recommendations for Small-Scale Retailers, Journal on Data Semantics, pp.1-12, 2016.

Předběžná náplň práce

Doporučovací systémy v dnešní době vnikají více a více do našich každodenních životů v podobě různých platforem například pro poslouchání muziky nebo sledování seriálů. Jako jejich uživatelé tak nemusíme obsah v těchto oblastech aktivně hledat, ale pouze si ho nechat pohodlně doporučit. Jednou z oblastí, která zůstává nepokryta je doména receptů. Pro uvaření receptu si ho musíme nejprve vybrat v nějaké kuchařce, jít nakoupit a až poté ho uvařit. Při tom často dochází k nesrovnalostem mezi dostupností surovin a obsahu vybraného receptu.

Cílem práce je vytvoření podobné platformy pro tuto doménu. Hlavní částí je průzkum a uplatnění doporučovacích systémů v této doméně, návrh několika metod a jejich testování. Následně také nasazení těchto metodik do praxe pomocí mobilní aplikace, která bude sloužit jako asistent k nákupu a vybírání receptu.

Předběžná náplň práce v anglickém jazyce

Recommender systems are now part of our daily life more than ever. We use them through several platforms, like music or video players. As users of such systems, we don't need to actively seek for new content, but let it be comfortably recommended to us instead. One area not covered this way is domain of recipes. In order to cook a recipe, we have to search for some cookbook and find the recipe there, then go shopping for it and only then cook it. Usually there is not a perfect match between the recipe content and the content of our shopping basket, which makes the process even more unpleasant.

Main goal of this work is to introduce such platform into this domain. Firstly to research the application of recommender systems in recipe domain, suggestion of several methods and their verification. Then also to introduce these algorithms in real product in form of mobile application, which will accompany the user when shopping and choosing a recipe.