Ingrediensrekommendationer
Implementering och utvärdering av ett rekommendationssystem i en ny domän
KognitionsvetenskapErik KarlssonIngrediensrekommendationerImplementeringReceptPlanEatSmileRekommendationerRekommendationssystem
I Sverige kan man för närvarande skönja ett ökat intresse för matlagning. Detta reflekteras bland annat i ett ökat utbud av matlagningsprogram i tv och antalet sökningar efter recept på Google uppgår till nästan 2 miljoner varje månad, enbart i Sverige. Samtidigt slängs ungefär 25 % av all mat som inhandlas och många föräldrar uppger att de känner att det är svårt att experimentera mera i köket.I ett försök att uppmuntra till experimentering i köket och samtidigt minska matsvinnet har det i denna uppsats implementerats och testats en proof of concept metod för att rekommendera ingredienser som passar tillsammans. Tesen är att om användare får ett stöd med kombinationer av ingredienser som passar tillsammans kommer de så småningom att våga experimentera mera med sin matlagning.Flera algoritmer analyserades men algoritmen som implementerats bygger på en viktning av ingredienserna i PlanEatSmiles receptdatabas. När en ingrediens förekom tillsammans med en annan i ett recept ökades vikten med 1. Således fick man snabbt ut vilka ingredienser som oftast förekommer tillsammans.Trots teoretiska hinder och en väldigt simpel algoritm tyder resultatet på att rekommendationerna uppnår en hög precision, både vid testning mot användare och mot experters åsikter. Genom att dessutom testa implementationen på 10 potentiella användare har eventuella problem i designen kunnat tydliggöras och reducerats till ett minimum. Användarna ansåg tjänsten lättanvänd och 5 av 6 svarade positivt på frågan om de skulle vilja använda produkten ofta. Detta tyder på att funktionen är önskvärd och uppskattad samt redo för att testas på en bredare publik. Resultatet uppmuntrar även till vidareutveckling av funktionen, med individuella rekommendationer som ett lämpligt första steg.