摘要

现有的食谱生成方法无法为那些具有烹饪偏好但对特定菜肴所需食材了解不全的用户创建食谱。为此，我们提出了一项新的个性化食谱生成任务，旨在帮助这些用户：将菜名和不完整的食材信息扩展为与用户历史偏好相匹配的完整自然语言指令。我们关注用户之前消费过的食谱在技术和配方层面的表示，通过注意力融合层将这些“以用户为中心”的表示进行融合，从而控制食谱文本的生成。在包含18万条食谱和70万次互动的新数据集上的实验表明，我们的模型相比非个性化的基线模型能够生成更为合理且个性化的食谱。