• food mining
• food recommender
• recipe analytics
• recommender systems
• sistema di raccomandazione

Il cibo ha un profondo impatto sulla vita umana, sulla salute e sul benessere: non è solo uno strumento di sopravvivenza ma svolge un ruolo fondamentale nella definizione della nostra identità, stato sociale, significato religioso e cultura. Lo studio sul comportamento di acquisto di prodotti alimentari può guidare la progettazione di sistemi di raccomandazione che hanno lo scopo di supportare il consumatore nel processo decisionale. Gli approcci attuali però, volti a realizzare questa tipologia di servizi, non sfruttano l’informazione presente all’interno del contesto culinario, ossia i principi generali che determinano le combinazioni tra i vari ingredienti presenti nelle ricette gastronomiche. A tal fine, lo scopo di questo lavoro è lo sviluppo di un Recommender System che prenda in considerazione l’informazione presente all’interno delle ricette e sia in grado di sfruttare l'interesse dei clienti verso determinati ingredienti per incrementare l’efficacia della raccomandazione. Il metodo proposto identifica le ricette gastronomiche rappresentative per ciascun cliente, analizzando il suo comportamento d’acquisto, e stima il rating dei prodotti alimentari, impiegato successivamente all’interno del sistema di raccomandazione, utilizzando l’informazione relativa agli acquisti e agli ingredienti presenti all’interno delle ricette rappresentative del cliente. Inoltre, la metodologia suggerita, non solo è “trasparente”, ossia facilità la lettura delle motivazioni che hanno portato ad un certo tipo di raccomandazione, ma utilizza una procedura per assegnare ad ogni prodotto un determinato ingrediente presente in un diverso set di dati. La sperimentazione, utilizzando set di dati provenienti dal mondo reale, mostra che seguendo questo approccio si ottengono raccomandazioni più precise , efficaci e, quindi, più affini alle preferenze del consumatore.

Food has a deep impact on human life, health and well-being: it is not just a survival means but plays a fundamental role in defining our identity, social status, and culture. The study of food purchasing behavior can guide the design of recommendation systems that aim to support the consumer in the decision-making process. However, current approaches that aimed at creating this type of service do not exploit the information present within the culinary context, that is, the general principles that determine the combinations between the various ingredients present in gastronomic recipes. To this end, the purpose of this work is the development of a recommendation system that takes into consideration the recipes information and is able to exploit the customers' interest in the results of the ingredients to increase the effectiveness of the recommendation. The proposed method identifies the representative gastronomic recipes for each customer and estimates the rating of the food products using the information relating to purchases and ingredients present in all internal recipes representative of the customer. Subsequently the food product rating is used within the recommendation system to estimate customer’s preference. Furthermore, the suggested methodology is not only “transparent”, ie the reading of the reasons that led to a certain type of recommendation, but it uses a procedure to assign to each product a certain ingredient present in a different data set. Experimentation, using data sets from the real world, shows that the approach results in more precise, effective recommendations and, therefore, more similar to consumer preferences.