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.