DietQA: 지식 그래프, 검색 보강 생성, 대규모 언어 모델을 활용한 개인 맞춤형 다중 식단 레시피 검색을 위한 종합 프레임워크

웹에서 제공되는 레시피는 종종 영양 투명성과 식이 적합성에 대한 명확한 지표가 부족합니다. 제목으로 검색하는 것은 간단하지만, 결합된 식이 요구 사항, 영양 목표 및 재료 수준의 선호도를 충족하는 레시피를 탐색하는 것은 여전히 도전적입니다. 대부분의 기존 레시피 검색 시스템은 사용자 선호도와 제한 사항을 결합하여 유연한 다중 식이 추론을 효과적으로 지원하지 않습니다. 예를 들어, 사용자는 적절한 대체재가 포함된 글루텐 프리 및 유제품 프리 저녁 식사를 원할 수 있으며, 비건 및 저지방 디저트와 같은 복합 목표를 추구할 수 있습니다. 최근의 체계적 리뷰에 따르면 대부분의 음식 추천 시스템은 콘텐츠 기반이며 개인화가 부족하고, 식이 제한, 재료 수준의 제외 및 다중 기준 영양 목표에 대한 지원이 제한적입니다. 이 논문은 지식 그래프(KG), 검색 보강 생성(RAG) 및 대규모 언어 모델(LLM)을 통합하여 개인 맞춤형 및 식이 인식 레시피 검색과 질의 응답을 지원하는 종단 간 언어 적응형 챗봇 시스템인 DietQA를 소개합니다. DietQA는 그리스어 레시피 웹사이트를 크롤링하여 제목, 재료 및 양과 같은 구조화된 정보를 추출합니다. 영양 값은 검증된 식품 조성 데이터베이스를 이용하여 계산되며, 재료 조성을 기반으로 자동으로 식이 태그가 유추됩니다. 모든 정보는 Neo4j 기반 지식 그래프에 저장되어 Cypher를 통해 유연한 쿼리가 가능합니다. 사용자는 자연어 챗봇 친화적 인터페이스를 통해 시스템과 상호작용하며, 재료, 영양소, 요리 및 식단에 대한 선호를 표현하고 재료 가용성, 제외 및 영양 목표와 같은 여러 요인에 따라 레시피를 필터링할 수 있습니다. DietQA는 적합한 레시피와 재료 대체를 통해 조정 가능한 레시피를 검색하여 다중 식단 레시피 검색을 지원하며, 각 결과가 사용자 선호도와 제약 조건에 어떻게 일치하는지를 설명합니다. LLM은 사용자 질의에서 의도와 개체를 추출하여 규칙 기반 Cypher 검색을 지원하고, RAG 파이프라인은 사용자 질의 및 선호, 검색된 레시피, 통계 요약 및 대체 논리를 사용하여 맥락화된 응답을 생성합니다. 이 시스템은 레시피 및 영양 데이터의 실시간 업데이트를 통합하여 최신의 관련성 높은 개인화된 추천을 제공합니다. 언어 적응형 배포를 위해 설계되었으며 그리스어 콘텐츠를 사용하여 개발 및 평가되었습니다. DietQA는 대화형 AI에 의해 지원되는 투명하고 적응 가능한 식이 추천 시스템을 위한 확장 가능한 프레임워크를 제공합니다.