Backend

• FastAPI를 이용한 백엔드 구현
• content-based 추천 구현
• preprocessed.df - crawling.df 순서로 데이터 정제

Recommendation(content-based)

1. 개인화추천

• recipe2vec.dict 제작
• 레시피추천을 위해 레시피데이터 내의 레시피제목, 요리명, 요리소개, 재료 등을 이용해 word2vec 레시피임베딩 제작
• cosine similarity 계산을 통한 레시피 추천

2. 궁합추천

• recipe2combi.dict, fasttext.bin 제작
• 궁합레시피 추천을 위해 음식점 메뉴 데이터셋을 이용해 Fasttext학습 후 궁합에 맞는 레시피 추천

fasttext 구함 -> 테이블에서 단어가 포함되는 요리명 구함 -> recipe2vec에서 유사도 구함 ->
유사도가 너무 높은 경우 제외 -> 다음 단어 확인.. -> recipe2vec 유사도가 낮은 경우 궁합 요리로 추가

prototype 실행방법(prototype 폴더 내에서)

streamlit run app.py

FastAPI 실행방법(fastapi 폴더 내에서)

python run app.py

사용데이터

• 만개의레시피 - 레시피정보
• 지역별 음식점 메뉴데이터
  • 강원도원주시, 강원도화천군, 광주동구, 부산, 서울, 전남, 전북전주

크롤링

• 만개의레시피 - 이미지, 조리순서