MealRec+

MealRec+数据集是由武汉理工大学研究团队创建的，旨在支持个性化和健康饮食推荐的研究。该数据集包含7280条记录，涵盖了餐食与菜品之间的关联信息，以及用户与餐食的交互数据。创建过程中，研究团队采用了模拟方法，从用户与菜品交互数据中推导出餐食与菜品的关联及用户与餐食的交互。此外，数据集还利用了世界卫生组织和英国食品标准局的两个著名营养标准来计算餐食的健康评分。MealRec+数据集的应用领域主要集中在通过分析用户偏好和餐食健康性，提供更健康的餐食推荐，以促进用户的健康饮食习惯。

The MealRec+ dataset was developed by the research team at Wuhan University of Technology to support studies on personalized and healthy dietary recommendation. Comprising 7,280 records, this dataset includes association information between meals and dishes, as well as interaction data between users and meals. During its curation, the research team adopted a simulation methodology to infer meal-dish associations and user-meal interactions from user-dish interaction data. Furthermore, the dataset utilizes two prominent nutritional standards from the World Health Organization (WHO) and the UK Food Standards Agency to compute the health scores of meals. The primary application scope of the MealRec+ dataset centers on delivering more wholesome meal recommendations by analyzing user preferences and meal healthiness, thereby fostering healthy dietary habits among users.

搜集汇总

数据集介绍

构建方式

MealRec+数据集的构建采用了模拟方法，基于用户-课程交互数据模拟用户的用餐会话，从而推导出餐食-课程关联和用户-餐食交互。具体步骤包括：首先，根据课程名称短语与课程类别的映射表，确定每道课程的类别；其次，通过模拟用户的用餐会话，生成餐食-课程关联和用户-餐食交互数据；最后，基于协同过滤原则，挖掘潜在的交互数据以扩展数据规模。此外，数据集还采用了世界卫生组织和英国食品标准局的营养标准来计算餐食的健康评分。

使用方法

MealRec+数据集可用于研究个性化与健康性相结合的餐食推荐算法。研究人员可以通过该数据集探索双层交互学习的协同效应，并验证不同推荐模型在个性化推荐和健康性提升方面的表现。数据集还可用于开发基于营养标准的健康餐食推荐系统，帮助用户选择更健康的饮食方案。

背景与挑战

背景概述

MealRec+ 是一个专注于个性化与健康饮食推荐的餐食推荐数据集，由武汉理工大学的李明、林丽等研究人员于2024年提出。该数据集的创建旨在填补现有餐食推荐研究中缺乏公开数据集的问题，特别是包含餐食与菜品关联（meal-course affiliation）的数据集。MealRec+ 通过模拟用户的用餐会话，基于用户与菜品的交互数据生成餐食与菜品的关联关系，并结合世界卫生组织和英国食品标准局的营养标准，计算餐食的健康评分。该数据集为研究个性化与健康饮食推荐提供了重要的数据支持，推动了健康相关推荐系统的发展。

当前挑战

MealRec+ 数据集在构建过程中面临多重挑战。首先，餐食推荐领域的研究长期缺乏包含餐食与菜品关联的公开数据集，导致现有研究难以探索不同层次交互（如用户-菜品交互与用户-餐食交互）之间的协同效应。其次，数据收集过程中，用户健康隐私和餐食场景的特殊性使得获取真实的用户-餐食交互数据极为困难。为解决这一问题，研究人员采用了模拟方法，基于用户-菜品交互数据生成餐食与菜品的关联关系。此外，如何在推荐过程中平衡个性化与健康性也是一个重要挑战，现有模型往往倾向于推荐用户偏好的不健康餐食，这需要通过健康导向的推荐方法加以改进。

常用场景

经典使用场景

MealRec+ 数据集在个性化与健康饮食推荐领域具有广泛的应用场景。该数据集通过模拟用户用餐会话，生成了包含用户-菜品交互、用户-餐次交互以及餐次-菜品关联的复杂关系数据。这些数据为研究者提供了丰富的实验基础，尤其是在探索用户偏好与健康饮食之间的平衡时，MealRec+ 能够支持多种推荐算法的开发与验证。

解决学术问题

MealRec+ 数据集解决了健康饮食推荐领域中长期存在的数据缺失问题。传统的数据集往往缺乏餐次-菜品关联信息，导致研究者难以深入探索用户在不同层次交互中的偏好。MealRec+ 通过模拟方法生成了这些关键数据，使得研究者能够更好地理解用户偏好与健康饮食之间的关系，并开发出更具个性化的推荐系统。

实际应用

在实际应用中，MealRec+ 数据集可以用于开发个性化的健康饮食推荐系统。通过分析用户的饮食偏好与健康评分，系统能够为用户提供符合其口味且营养均衡的餐次推荐。这种推荐系统不仅适用于个人用户，还可以在餐饮服务、健康管理等领域发挥重要作用，帮助用户养成健康的饮食习惯。

数据集最近研究

最新研究方向

近年来，MealRec+数据集在个性化与健康饮食推荐领域引起了广泛关注。该数据集通过模拟用户用餐会话，结合用户-菜品和用户-餐食的交互数据，填补了现有研究中缺乏公开的包含餐食-菜品关联的推荐数据集的空白。研究重点集中在如何通过协同学习用户-菜品和用户-餐食的交互，提升推荐的个性化和健康性。实验表明，适当的协同学习方法能够显著提高推荐效果，尤其是在健康饮食推荐方面。此外，针对实验中发现的推荐结果偏向不健康餐食的现象，研究者探索了通过硬过滤和重加权等后处理方法提升推荐健康性的策略。这些研究为构建个性化且健康的饮食推荐系统提供了新的思路，推动了AI在公共健康领域的应用。

相关研究论文

• MealRec$^+$: A Meal Recommendation Dataset with Meal-Course Affiliation for Personalization and Healthiness

  武汉理工大学 · 2024年