Content-based Recommender System for Food Recipes

Bc. Matúš Sedlák

Master's thesis

Abstract:

V dôsledku veľkého množstva informácií, ktoré prevláda na internete, môžu ľudia často čeliť tomu, že sa nevedia rozhodnúť, čo zjesť alebo aký recept si pripraviť. Práca ponúka nový odporúčací systém pre recepty, ktorý poskytuje vysokokvalitné a individualizované odporúčania. Zároveň predstavuje program, ktorý odporúča recepty podľa ich obsahu a analyzuje viaceré algoritmy, ktoré vyhodnocujú podobnosti medzi užívateľským profilom a obsahom receptov. V závere táto práca ponúka najlepší prístup podobnosti receptov pre použitie s reálnymi dátami.

Abstract:

Because of the information overload prevalent on the Internet, people may frequently face the challenge of deciding what to eat or what recipe to prepare next. Thesis offers a novel food recipe recommender system that gives high-quality, individualized food recommendations. Simultaneously it presents a content-based recommender system and analyzes multiple similarity methods between the user profile and recipe content. The thesis concludes with the best similarity approach for usage with real-world recipe datasets.

Keywords

food, recipe, ingredients, content-based filtering, rank-similarity, content-based food recommendation, recipes

Language used: English

Date on which the thesis was submitted / produced: 14. 12. 2021

Thesis defence

• Date of defence: 2. 2. 2022
• Supervisor: RNDr. Josef Spurný, Ph.D.
• Reader: doc. Mouzhi Ge, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Software systems and services management / Software Systems Development Management