🥕 오늘의 레시피는 개인 맞춤형 레시피 추천 서비스입니다
오늘의 레시피 - http://115.85.182.72:30005/
Github - https://github.com/boostcampaitech5/level3_recsys_finalproject-recsys-10/
발표자료 - link
WrapUp report - link
기존의 레시피 사이트들은 유저 조회수나 평점에 의한 단순 나열로 추천을 하여 개인화된 추천이 되지 않음
⇒ 사람들은 각자 입맛이 다르고 갖고 있는 재료가 다르므로 개인화된 레시피 추천 서비스의 필요성을 느낌
- 재료 취향 개인화 솔루션
- 사용자가 갖고 있는 재료와 재료가 많이 겹치는 레시피를 추천해야 함
- 사용자가 좋아하는 레시피의 재료가 유사한 레시피를 추천해야 함
- 입맛 개인화 솔루션
- 사용자와 유사한 사용자들이 좋아하는 레시피를 추천해야 함
- 사용자가 좋아하는 레시피의 카테고리에 속하는 레시피를 추천해야 함
 |
 |
 |
 |
 |
|---|---|---|---|---|
| 김동현 | 백현주 | 장형규 | 채민지 | 황선우 |
| # Modeling / EDA # UltraGCN, CBF # 데이터 수집 |
# Back-end # 데이터 수집 # Database |
# Front-end # Modeling / EDA # Kobert, Catboost # Database |
# Modeling / EDA # TF-IDF, CBF # 데이터 수집 # 프로젝트 관리 |
# Modeling / EDA # BM25, CBF # 데이터 수집 |
 |
 |
|---|
-
재료를 기반으로 추천
- 이외에도 사용자의 선호 레시피를 사용하여 다른 유저와 비교하여 개인화된 추천을 제공
- Cold Start를 CBF모델들로 해결 + 사용자의 선호에 따라 추가적인 추천
-
상황 고려 추천
- 사용자가 현재 할 수 있는 레시피들을 추천
- 유저 선호 데이터만을 사용하는 것이 아니라, 추가적으로 냉장고 안의 재료와 같은 상황도 고려하여 추천 시스템을 구성
-
자연어 기반 추천, 실시간 개인화 추천으로 기존 플랫폼의 한계 극복
- 채팅을 사용하여 자신이 어떤 음식을 먹고 싶을 때 드는 생각으로 추천을 제공
- 기존의 조회수 기반, 평점기반 추천으로는 개인화 추천이 불가능 했지만, 유저의 선호 데이터를 실시간으로 수집 후 개인화 추천
- 확장성: 식재료 홍보 가능
- 사용자가 가진 재료와 많이 겹치는 레시피를 추천하여 사용자가 레시피의 다른 재료를 구매하게 유도 가능
- 식재료 유통사와 협업하여 특정 재료가 들어간 레시피를 추천하는 방식으로 상품 마케팅 가능
- 사용자를 그룹화해서 진행하지 못한 것이 아쉬움
- A/B 테스트 미구현
- 유저의 선호 상호작용은 실시간으로 가능하지만, 클릭 로그를 수집하는 것은 구현하지 않아 테스트가 어려움
- 오래 걸리는 모델을 사용하기 위한 시스템 구성이 필요