재료기반 맞춤 레시피 추천 시스템

해당 프로젝트에서 DS 파트를 담당했습니다.

프로젝트 배경 및 목적

배경

• 1인가구의 증가로 혼자 외식을 하는 인원들이 증가하고 있습니다.
• 혼자 식사하는 경우 부적절한 식습관이 발생되기 쉽고 건강상 좋지 않은 결과를 가져오게 됩니다.
• 건강에 대한 관심과 집밥에 대한 수요가 증가했습니다.
• 1인가구의 경우 요리 후에 재료가 남는 문제와 부담도 존재합니다.

목적

• 1인가구도 재료를 남기지 않고 경제적이면서 건강한 집밥을 해먹을 수 있도록 합니다.
• 가격, 재료 등 사용자의 조건에 맞춘 레시피 검색 및 추천 서비스 제공합니다.

워크플로우

여기서 DS 파트를 담당했습니다.

데이터 출처

• [농식품 빅데이터 거래소] 만개의 레시피
• [크롤링] 만개의 레시피
• [농식품 빅데이터 거래소] 농수축산물 일자별 도소매 가격

추천시스템

과정

• 코사인 유사도를 구하기 위한 텍스트 전처리 과정
• 코사인 유사도를 구하고 데이터 프레임을 만드는 과정

1. (CKG_MTRL_CN - 재료 내용)컬럼 대신 레시피 일련번호를 기준으로 크롤링한 데이터를 사용

• 원본 컬럼(CKG_MTRL_CN)은 텍스트로 되어 있음
• 구분자를 '|'으로 사용하기 때문에 데이터를 분리하고, 전처리하는 과정이 어렵고 시간이 오래걸릴것이라 판단
• 크롤링 과정

2. 데이터 수 줄이기

• 전체 데이터를 사용하여 코사인유사도를 구할 때 Memory Error가 발생하여 데이터 수를 줄여서 진행할 수 있도록 함

3. 양념 부분을 제외한 재료 부분만 추출
4. 공백, 소괄호, 중괄호, 특수문자 등 불필요한 단어 제거
5. 행은 레시피, 열은 재료로 구성된 데이터 프레임 생성
6. 코사인 유사도를 사용하여 추천시스템 구축 및 결과 데이터 프레임 생성

결과

Worst Case의 경우 토마토스파게티가 양념 재료 분류가 되어있었는데 양념 부분이 제거되면서 재료가 파스타면만 남는 등 추천시스템을 적용하기 어려운 데이터가 존재합니다.

회고

아쉬운점

• 실제 사용자 데이터를 구하지 못하여 사용자를 기반으로 추천을 진행하지 못한점
• 추천시스템의 정량적인 평가지표를 사용하지 못한점
• Worst Case와 같은 경우에 대한 처리가 부족한 점

배운점

• 코사인 유사도를 이용하여 콘텐츠 기반으로 추천 시스템을 구축한 점
• DE, DA 다른 직군과의 협업을 통하여 서비스에 추천시스템을 적용시킨 점