著者の所属・活動拠点の国は、中国です。

掲載誌：Foods

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的：条件付きのレシピ推薦と「答えの偏り」

食べ物の推薦では、好みだけでなく、栄養や健康上の目安、使ってはいけない食材といった条件も同時に考える必要があります。研究チームは、こうした条件付きのレシピ推薦を「知識ベース質問応答」として扱う既存の枠組み pFoodReQ に注目しました。知識ベース質問応答とは、食材・栄養素・レシピなどの関係を整理したデータベース（知識グラフ）を使って質問に答える方式です。この枠組みでは、利用者の食事に関する要望を「質問」とみなし、候補となるレシピを「答え」として順位付けします。

pFoodReQ のベンチマークには、質問ごとに正解とされるレシピが一つ以上記録されています。ただし、閲覧やクリック、評価、実際の食事といった利用者の行動記録は含まれていません。著者らは、訓練データの中で一部のレシピが何度も正解として現れる一方、多くのレシピはほとんど、あるいはまったく正解として登場しない点に着目しました。訓練データには4672問に対して1万3459個の正解ラベルがあり、そこに登場する9650種類のレシピのうち6853種類（71.02%）は一度しか現れません。一方、登場回数が上位10%のレシピだけで、正解ラベル全体の21.86%を占めていました。

著者らは、このような偏りがあるだけで予測が偏っていることにはならないとしつつ、正解として扱われる回数の差が順位付けに影響しうると考えました。新しい質問への適合度とは関係なく、よく正解になったレシピが上位に来やすくなるおそれがあるという見方です。著者らはこの傾向を「回答頻度バイアス」と呼び、利用者の閲覧や行動から生じる一般的な「人気バイアス」とは別のものとして区別しました。研究の目的は、この頻度の影響を順位付けの中で切り分けて扱う方法を考案し、その性能を確かめることです。

方法：学習時には頻度を考慮し、評価時には外す

提案手法 D-pFoodReQ は、pFoodReQ の質問の拡張、候補レシピの生成、制約条件の表現といった前段の処理をそのまま引き継ぎ、最後にレシピを順位付けする部分だけを改良しています。改良後の順位付けモデルは BAMnet-D と名付けられました。

学習中は、各レシピが訓練データで正解になった回数を、同じ質問の候補の中で最も多い回数を基準に0から1の値へ換算し、独立した得点として元のスコアに加えます。あわせて、正解レシピの頻度が候補の中で相対的に低い質問ほど、学習への影響が大きくなるよう重みを付けます。そして検証と評価の段階では、この頻度の得点をゼロに置き換えて順位を決めます。頻度の影響を学習中ははっきり分けて扱い、実際の順位付けからはその直接の寄与を取り除くという考え方で、推薦システム分野で人気バイアスに用いられてきた反事実的・因果的な手法に着想を得ています。なお、著者らは、取り除かれるのはこの明示的な頻度の得点だけであり、通常の意味的な照合の部分に学習された頻度関連の傾向まではこの操作の対象外だと述べています。

実験には、訓練4672問、検証1557問、テスト2327問からなる pFoodReQ のベンチマークを使い、条件をそろえて3回ずつ学習しました。主な評価指標は F1 で、返したレシピの集合が正解とどれだけ一致するかを表します。このほか、上位5件に正解がどれだけ含まれるかを示す Recall@5 や、正解が上位に来るほど高く評価する NDCG@5 など、順位の質を見る指標も用いました。

主な結果

D-pFoodReQ は、比較した六つの指標すべてで平均値が最も高くなりました。F1 は pFoodReQ の0.6133に対して0.6296、MAP は0.6106から0.6650、MAR は0.6012から0.6538へ上昇しています。問題ごとの差をもとにした統計的な検証でも、これらの差は支持されました。一方、元のモデルに頻度の得点を単純に加えただけの構成では、pFoodReQ を一貫して上回る結果は得られませんでした。また、提案手法の一部の要素だけを使った構成はいずれも、F1 と順位の質のバランスで完全版に及びませんでした。

禁止食材を含むレシピを返してしまう割合を見る指標でも、D-pFoodReQ は上位1件・3件・5件のいずれで pFoodReQ より平均値が低くなりました。ただし、両手法とも違反率そのものが低いため、著者らはこの結果をベンチマークで測った明示的な禁止食材の条件に限って解釈しています。さらに、上位10件の返答に使われた候補レシピの広がり（Coverage@10）は、pFoodReQ の0.0570に対して0.0734でした。

正解レシピがどれも訓練データで正解として登場していない質問は、テストの58.2%にあたります。これらの質問では、F1 は両手法でほぼ同じでした（0.6251と0.6253）。一方、Recall@5 は0.6711から0.7312、NDCG@5 は0.6628から0.7010へと、D-pFoodReQ のほうが高くなりました。全体としての F1 の改善は、正解が訓練データに登場したことのある質問群での向上と結びついていました。なお、頻度が特に高い群は33問しかないため、著者らは、頻度が高いほど改善が大きくなるという関係までは示されていないと述べています。

この研究が示すこと

著者らは、利用者の行動記録がないデータでも、訓練データで正解になる回数の偏りが順位付けに影響しうるという考えを出発点に、その頻度を学習時に明示的に扱い、評価時には直接の寄与を外す方法を設計しました。偏りが実際にどれほど予測をゆがめているかを直接示したわけではありませんが、このベンチマークでは、提案手法が元の pFoodReQ よりも回答の質と順位の質の平均値を高め、頻度の得点を単純に加えるだけでは同様の改善が得られなかったと報告しています。条件付きのレシピ推薦で、正解ラベルの偏りをどう扱うかという問題に対する一つの具体的な取り組みといえます。

原著論文の著者・所属：Zhifang Liu（School of Computer Science and Artificial Intelligence, Ludong University, Yantai 264025, China）、Wenchao Liu（School of Computer Science and Artificial Intelligence, Ludong University, Yantai 264025, China）、Guorui Sheng（School of Computer Science and Artificial Intelligence, Ludong University, Yantai 264025, China）、Yancun Yang（School of Computer Science and Artificial Intelligence, Ludong University, Yantai 264025, China）、Weiqing Min（School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing 100190, China; State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China）、Shuqiang Jiang（School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing 100190, China; State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Zhifang Liu, Wenchao Liu, Guorui Sheng, et al. D-pFoodReQ: Answer-Frequency-Aware Debiasing for Constrained Knowledge-Base Question Answering in Food Recommendation. Foods 2026-09-24. DOI: 10.3390/foods15193418. 原著ライセンス：CC BY.