Controllable and Explainable Recipes Recommendation

Abstract

This thesis proposes and implements an explainable and steerable recipe recommender system. The designed approach includes thorough data analysis and preprocessing, nutritional profiling of recipes using Nutri-Score, and the training and optimization of an ELSA model combined with a Top-K Sparse Autoencoder to provide better interpretability and steering functionality based on nutritional quality. The experiments showed that the trained ELSA+SAE model achieved recommendation performance comparable to selected baseline models while also revealed several limitations. Although labeling process provided decent neuron descriptions, a small number of neurons were activated repeatedly across recommendations, leading to very similar interpretations even for diverse recommended recipes. The steering mechanism was adopted successfully, however, the resulting effects remained limited and asymmetric. Finally, the proposed architecture was integrated into a proof-of-concept mobile application implementing complete recommendation, explanation, and steering pipeline.

Táto práca navrhuje a implementuje vysvetliteľný a kontrolovateľný odporúčací systém receptov. Navrhnutý prístup zahŕňa dôkladnú analýzu a predspracovanie, nutričné ohodnotenie receptov pomocou metodiky Nutri-Score, a natrénovanie a optimalizáciu ELSA modelu v kombinácií s Top-K riedkym autoenkóderom za účelom dosiahnutia lepšej interpretovateľnosti a ovplyvňovania odporúčaní na základe nutričnej kvality. Experimenty ukázali, že natrénovaný model ELSA+SAE dosiahol výkonnosť odporúčaní porovnateľnú s vybranými referenčnými modelmi, avšak zároveň odhalili niekoľko limitácií. Hoci proces označovania neurónov dospel k primeraným popisom neurónov, malý počet neurónov bol aktivovaný v priebehu odporúčaní opakovane, čo viedlo k veľmi podobným interpretáciám, a to aj v prípade rôznorodých odporúčaných receptov. Mechanizmus ovplyvňovania odporúčaní bol implementovaný úspešne, avšak výsledné účinky zostali obmedzené a nerovnomerné. Na záver bola navrhnutá architektúra integrovaná do mobilnej aplikácie za účelom overenia konceptu, ktorá implementuje celý proces odporúčania, vysvetľovania a užívateľskej kontroly.