KERL：使用大型语言模型的知识增强个性化食谱推荐

大型语言模型（LLMs）的最新进展和丰富的食物数据催生了利用 LLMs 改进食物理解的研究。尽管有几个利用 LLMs 和知识图谱（KGs）的推荐系统，但将食物相关 KG 与 LLMs 集成的研究有限。我们介绍了 KERL，这是一个统一系统，它利用食物 KG 和 LLMs 来提供个性化食物推荐并生成带有相关微量营养信息的食谱。给定一个自然语言问题，KERL 提取实体，从 KG 中检索子图，然后将其作为上下文馈送到 LLM 中，以选择满足约束条件的食谱。接下来，我们的系统为每个食谱生成烹饪步骤和营养信息。为了评估我们的方法，我们还通过整理食谱相关问题，结合约束和个人偏好，开发了一个基准数据集。通过广泛的实验，我们表明我们提出的 KG 增强 LLM 显着优于现有方法，为食物推荐、食谱生成和营养分析提供了一个完整且连贯的解决方案。我们的代码和基准数据集可在 https://github.com/mohbattharani/KERL 公开获取。