KERL: 大規模言語モデルを用いた知識強化型パーソナライズレシピ推薦システム

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

May 20, 2025

著者: Fnu Mohbat, Mohammed J Zaki

cs.AI

要旨

大規模言語モデル（LLM）の最近の進展と食品データの豊富さにより、LLMを活用した食品理解の向上を目指す研究が進んでいます。LLMと知識グラフ（KG）を活用したいくつかの推薦システムが存在するものの、食品関連のKGとLLMを統合した研究は限られています。本論文では、食品KGとLLMを活用し、パーソナライズされた食品推薦と関連する微量栄養情報を含むレシピ生成を提供する統合システム「KERL」を紹介します。自然言語の質問が与えられると、KERLはエンティティを抽出し、KGからサブグラフを取得し、それをLLMにコンテキストとして入力して制約を満たすレシピを選択します。次に、システムは各レシピの調理手順と栄養情報を生成します。本手法を評価するため、レシピ関連の質問と制約、個人の嗜好を組み合わせたベンチマークデータセットも開発しました。広範な実験を通じて、提案するKG拡張LLMが既存のアプローチを大幅に上回り、食品推薦、レシピ生成、栄養分析において完全かつ一貫したソリューションを提供することを示します。コードとベンチマークデータセットはhttps://github.com/mohbattharani/KERLで公開されています。

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.