KERL: Recomendación Personalizada de Recetas Mejorada con Conocimiento utilizando Modelos de Lenguaje a Gran Escala

KERL: Knowledge-Enhanced Personalized Recipe Recommendation using Large Language Models

May 20, 2025

Autores: Fnu Mohbat, Mohammed J Zaki

cs.AI

Resumen

Los recientes avances en los modelos de lenguaje de gran escala (LLMs, por sus siglas en inglés) y la abundancia de datos relacionados con alimentos han dado lugar a estudios para mejorar la comprensión de los alimentos utilizando LLMs. A pesar de la existencia de varios sistemas de recomendación que emplean LLMs y grafos de conocimiento (KGs, por sus siglas en inglés), ha habido una investigación limitada sobre la integración de KGs relacionados con alimentos y LLMs. Presentamos KERL, un sistema unificado que aprovecha los KGs de alimentos y los LLMs para proporcionar recomendaciones de alimentos personalizadas y generar recetas con información micronutricional asociada. Dada una pregunta en lenguaje natural, KERL extrae entidades, recupera subgrafos del KG, que luego se introducen en el LLM como contexto para seleccionar las recetas que cumplen con las restricciones. A continuación, nuestro sistema genera los pasos de cocción y la información nutricional para cada receta. Para evaluar nuestro enfoque, también desarrollamos un conjunto de datos de referencia mediante la curación de preguntas relacionadas con recetas, combinadas con restricciones y preferencias personales. A través de experimentos exhaustivos, demostramos que nuestro enfoque de LLM aumentado con KG supera significativamente a los métodos existentes, ofreciendo una solución completa y coherente para la recomendación de alimentos, la generación de recetas y el análisis nutricional. Nuestro código y los conjuntos de datos de referencia están disponibles públicamente en https://github.com/mohbattharani/KERL.

English

Recent advances in large language models (LLMs) and the abundance of food data have resulted in studies to improve food understanding using LLMs. Despite several recommendation systems utilizing LLMs and Knowledge Graphs (KGs), there has been limited research on integrating food related KGs with LLMs. We introduce KERL, a unified system that leverages food KGs and LLMs to provide personalized food recommendations and generates recipes with associated micro-nutritional information. Given a natural language question, KERL extracts entities, retrieves subgraphs from the KG, which are then fed into the LLM as context to select the recipes that satisfy the constraints. Next, our system generates the cooking steps and nutritional information for each recipe. To evaluate our approach, we also develop a benchmark dataset by curating recipe related questions, combined with constraints and personal preferences. Through extensive experiments, we show that our proposed KG-augmented LLM significantly outperforms existing approaches, offering a complete and coherent solution for food recommendation, recipe generation, and nutritional analysis. Our code and benchmark datasets are publicly available at https://github.com/mohbattharani/KERL.