Adaptive recommendation systems using enhanced integration of co-occurrence and ontology

ระบบแนะนำแบบปรับตัวได้โดยการบูรณาการขั้นสูงของการเกิดร่วมกันและออนโทโลยี

Name: Nataporn Thammabunwarit

keyword: Adaptive learning.

LCSH: Ontology.

LCSH: Recommender systems (Information filtering)

LCSH: Graph theory.

LCSH: Electronic data processing.

Abstract: In recent years, the demand for personalized food recommendation systems has significantly increased, particularly in the food industry, where user preferences and nutritional limitations play a crucial role. This research presents an adaptive food recommendation system by the integration of co-occurrence and ontology to adjust food ingredients based on user feedback and nutritional constraints, such as ingredient allergies. The primary goal of the system is to offer menu ingredient suggestions that not only tailor to the individual user profiles but also maintain comprehensive nutritional value by removing ingredients that cause allergies and suggesting suitable substitutes. The system operates automatically through analysis using co-occurrence graphs and ontology, enabling the automatic identification of compatible substitute ingredients. This approach allows users to customize ingredient lists by myself without compromising nutritional quality. By employing co-occurrence and ontology techniques to analyze and adjust food ingredients according to user preferences, the results demonstrate an accuracy of 80% in the recommendations, and the proposed menu ingredients maintain appropriate nutritional value. Therefore, this research promotes and increases overall nutritional food choices effectively and in accordance with nutritional principles.

Abstract: ในช่วงไม่กี่ปีที่ผ่านมา ความต้องการของผู้บริโภคที่มีต่อระบบแนะนำอาหารแบบเฉพาะบุคคลได้เพิ่มขึ้นอย่างมีนัยสำคัญ โดยเฉพาะในอุตสาหกรรมอาหาร ซึ่งความชอบและข้อจำกัดด้านโภชนาการของผู้ใช้มีความสำคัญอย่างยิ่ง งานวิจัยนี้นำเสนอระบบแนะนำอาหารที่ปรับตัวได้โดยการบูรณาการขั้นสูงของการเกิดร่วมกัน และออนโทโลยี เพื่อปรับส่วนผสมของอาหารตามผลย้อนกลับจากผู้ใช้และข้อจำกัดด้านโภชนาการ เช่น การแพ้ส่วนผสม ระบบมีเป้าหมายหลักในการนำเสนอส่วนผสมของเมนูอาหารที่ไม่เพียงแต่ปรับแต่งให้ตรงตามโปรไฟล์ผู้ใช้แต่ละราย แต่ยังคงรักษาคุณค่าทางโภชนาการไว้อย่างครบถ้วน โดยตัดส่วนผสมที่เป็นสาเหตุของการแพ้ออกไปและเสนอส่วนผสมทดแทนที่เหมาะสม ทั้งนี้ ระบบทำงานในรูปแบบอัตโนมัติผ่านการวิเคราะห์จากกราฟการเกิดร่วมกันและออนโทโลยี ซึ่งช่วยให้ค้นหาส่วนผสมทดแทนที่เข้ากันได้โดยอัตโนมัติ วิธีการนี้ช่วยให้ผู้ใช้สามารถปรับแต่งรายการส่วนผสมได้ด้วยตนเองโดยไม่ส่งผลกระทบต่อคุณค่าทางโภชนาการ จากการใช้เทคนิคการเกิดร่วมกันและออนโทโลยีในการวิเคราะห์และปรับส่วนผสมของอาหารตามรูปแบบที่ผู้ใช้ต้องการ ผลลัพธ์ที่ได้แสดงให้เห็นถึงความถูกต้องของคำแนะนำที่ 80% พร้อมทั้งเมนูที่นำเสนอส่วนผสมนั้นยังคงมีคุณค่าทางโภชนาการที่เหมาะสม การวิจัยนี้จึงเป็นการส่งเสริมและเพิ่มทางเลือกด้านโภชนาการอาหารโดยรวมได้อย่างมีประสิทธิภาพและถูกต้องตามหลักโภชนาการ

King Mongkut's University of Technology North Bangkok. Central Library

Address: BANGKOK

Email: library@kmutnb.ac.th

Name: Maleerat Maliyaem

Role: dissert advisor.

Email : maleerat.m@itd.kmutnb.ac.th

Created: 2024

Modified: 2568-03-13

Issued: 2025-03-13

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Doctor of Philosophy

Level: Doctoral Degree

Descipline: Information and Data Science (International Program)

Grantor: King Mongkut's University of Technology North Bangkok

©copyrights King Mongkut's University of Technology North Bangkok

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B17690006.pdf	2.2 MB

ใช้เวลา

0.017646 วินาที