Machine learning 基于自然语言处理的菜品树形结构非监督特征提取

我正在建立一个菜品推荐系统。考虑一个用户吃薯条，并将其评级为5。然后，我想给这道菜的所有成分一个好的评价。在法语火灾的情况下，链接词应该是“油炸”、“土豆”、“垃圾食品”、“咸”等等。我想从Tsatsiki这个词中提取“黄瓜”、“酸奶”、“大蒜”。我想从酸奶中提取乳制品，从黄瓜蔬菜中提取，等等

在自然语言处理中，这个问题被称为什么？有没有解决这个问题的方法

---

我根本没有数据，我正在考虑构建一个网络爬虫来分析这个菜的网络。我希望它是尽可能少的临时性的，不一定用英语。有没有一种方法，也许是在内心深处学习做这件事？我不仅要把一道菜与配料联系起来，还要把它分为一个类别：垃圾食品、素食、意大利食品等等。

你有这样的食谱吗：

Ingredients:
*Cucumbers
*Garlic
*Yoghurt

Grate a cucumber or chop it. Add garlic and yoghurt.

或者像这样：

Ingredients:
*Cucumbers
*Garlic
*Yoghurt

Grate a cucumber or chop it. Add garlic and yoghurt.

如果是前者，则您的特征已被提取。下一步将转换为向量，并推荐其他食谱。最简单的方法是对配方进行（无监督）聚类

---

如果是后者，我怀疑你可以用一个简单的经验法则逃脱。首先，使用词性标记器提取配方中的所有名词。这将提取所有成分和更多成分（例如厨房用具、餐具等）。在食品成分数据库中查找名词，例如

你有这样的食谱吗：

Ingredients:
*Cucumbers
*Garlic
*Yoghurt

Grate a cucumber or chop it. Add garlic and yoghurt.

或者像这样：

Ingredients:
*Cucumbers
*Garlic
*Yoghurt

Grate a cucumber or chop it. Add garlic and yoghurt.

如果是前者，则您的特征已被提取。下一步将转换为向量，并推荐其他食谱。最简单的方法是对配方进行（无监督）聚类

---

如果是后者，我怀疑你可以用一个简单的经验法则逃脱。首先，使用词性标记器提取配方中的所有名词。这将提取所有成分和更多成分（例如厨房用具、餐具等）。在食品成分数据库中查找名词，例如

这类问题称为本体工程或本体构建。对于一个大型本体及其结构的示例，您可以查看以下内容。看起来你要为食物建立一个精品本体，然后覆盖一个评级系统。我不知道你正在寻找的形式中有任何本体，但有一些相关的东西你应该看看，例如，这个和这个。

这种类型的问题称为本体工程或本体构建。对于一个大型本体及其结构的示例，您可以查看以下内容。看起来你要为食物建立一个精品本体，然后覆盖一个评级系统。我不知道你正在寻找的形式中有任何本体论，但有一些相关的东西你应该看看，例如，这个和这个。

谢谢，但我不一定要用英语，不仅要有成分，还要有类别等等。对不起，没有这么精确。词性是一个好的开始，但我没有配方。我建议先获取一些数据。解决方案将高度依赖于它。谢谢，但我不一定希望它是英文的，不仅有成分，也有类别等等。对不起，没有这么精确。词性是一个好的开始，但我没有配方。我建议先获取一些数据。解决方案将高度依赖于它。我有一些软件（在alpha测试中）可能有用。有关详细信息，请与我联系。我有一些可能有用的软件（在alpha测试中）。详情请与我联系。