57、SIRR：基于本体聚焦机器学习的语义融合食谱推荐模型

SIRR：基于本体聚焦机器学习的语义融合食谱推荐模型

1. 引言

在当今时代，食谱推荐具有极其重要的意义。随着生活方式的动态变化和工作量的增加，人们的饮食习惯急剧下降，导致心脏病、高血压、糖尿病等病例激增。因此，在不牺牲菜肴口味的前提下推荐有助于维持健康的食谱至关重要，而语义网可以使这种推荐更加有效和精确。

推荐系统主要分为基于内容过滤和基于协同过滤两种类型。基于协同的系统仅基于用户和物品之间的过去数据来提供新的推荐，而基于内容的模型会考虑用户的额外信息，如年龄、性别或其他个人信息，以提供有效和个性化的推荐。

2. 动机与贡献

2.1 动机

互联网最初的设计目的是让计算机相互共享信息，而非让它们理解信息的实际含义。用户希望计算机能够识别网页内容，从而理解用户的兴趣并提供更好的响应。当前，世界正迈向语义网时代，语义网是通过组合链接数据形成的知识图谱，可实现机器对内容、元数据和其他数据对象的大规模理解和处理。然而，现有的食谱推荐模型较少，且几乎没有采用语义驱动的方法。因此，这种具有社会意识且语义驱动的方法是必要的。

2.2 贡献

提出了一种语义融合的食谱推荐方法，具体步骤如下：
1. 对查询进行预处理，包括分词、词形还原和停用词去除。
2. 使用潜在狄利克雷分配（LDA）对单个查询进行主题建模。
3. 基于从 allrecipes.com 爬取和分类的食谱，计算丰富查询主题的语义相似度。
4. 使用循环神经网络（RNN）和 XGBoost 在不同位置对爬取的食谱进行分类。

该模型取得了 97.09% 的准确率、95.72% 的精度、9