Universidade Federal de Pernambuco

CIn – Centro de Informática

Coordenação de Pós-Graduação
Tema para Pré-Projeto de Doutorado
Área: Inteligência Computacional
Título: Recomendação e Geração Automática de Receitas Culinárias para Pessoas com
Restrições Alimentares
Proponente: Teresa Ludermir (tbl@cin.ufpe.br)
Descrição
Com a evolução das Tecnologias da Informação e Comunicação, o hábito de
compartilhamento de receitas culinárias vem ganhando novos aspectos. Receitas que eram
comumente compartilhadas através de livros, cadernos e revistas passaram a ser acessíveis
via websites e aplicativos especializados em gastronomia.
Sistemas de Recomendação têm sido cada vez mais utilizados por websites de culinária e
gastronomia como forma de auxiliar seus usuários a encontrarem receitas que lhes sejam
agradáveis. Porém, pessoas que possuem algum tipo de restrição alimentar ou intolerância
podem encontrar dificuldades na busca por pratos específicos e que atendam às suas
restrições, devido à pequena percentagem de receitas destinadas a esse público nesses
repositórios.
Como forma de auxiliar pessoas com restrições alimentares e que seguem dietas específicas
a encontrarem receitas que sejam adequadas às suas necessidades nutricionais e gostos
pessoais, sistemas de recomendação de receitas mais precisos serão elaborados, através de
técnicas avançadas de Inteligência Computacional, Aprendizado de Máquina e
Processamento de Linguagem Natural. Para aumentar a gama de receitas disponíveis para
esse público, receitas pré-existentes serão adaptadas automaticamente, gerando novas
receitas que atendam às restrições desses usuários.
Este tema de mestrado pode tomar dois caminhos diferentes a saber: a recomendação de
receitas que se adequem às restrições dos usuários do sistema, ou a geração de novas receitas
a partir de receitas pré-existentes que se adequem às dietas restritivas dos usuários.
Referências Bibliográficas
[1] Britto, L. F. S.; Pacífico, L. D. S.; Ludermir, T. B.. Geração Automática de Receitas Culinárias para Pessoas
com Restrições Alimentares. Revista Eletrônica de Iniciação Científica, v. 18, n. 3, p. 1-10, 2020.
[2] Oliveira, E. G.; Britto, L. F. S.; Pacífico, L. D. S.; Ludermir, T. B.. Recomendação e Geração de Receitas
Baseada na Substituição de Ingredientes. In: Anais do Encontro Nacional de Inteligência Artificial e
Computacional (ENIAC 2019), Salvador, Brasil, p. 238-249, 2019.
[3] Majumder, B. P.; Li, S.; Ni, J.; McAuley, J.. Generating personalized recipes from historical user
preferences. In: Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing
and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), Hong Kong,
China, p. 5976–5982, 2019.
[4] Ooi, A.; Iiba, T.; Takano, K.. Ingredient Substitute Recommendation for Allergy-Safe Cooking based on
Food Context. In: Proceedings of the 2015 IEEE Pacific Rim Conference on Communications, Computers and
Signal Processing (PACRIM), Victoria, Canada, p. 444-449, 2015.
[5] Isinkaye, F.; Folajimi, Y.; Ojokoh, B.. Recommendation Systems: principles, methods and evaluation.
Egyptian Informatics Journal, v. 16, n. 3, p. 261-273, 2015.