Объектами данного исследования являются различные подходы и алгоритмы машинного обучения, которые можно использовать для создания рекомендательной системы блюд. Цель данной научной работы – создать собственную рекомендательную систему блюд на основе заданного контекста и исследовать возможности получившегося программного продукта. Рекомендательная система строится на нейронных сетях с одним скрытым слоем и принимающим на вход названия продуктов, в чем и заключается новизна данного подхода - опора на лексическое представление продуктов и использовании комбинации двух противоположных друг другу нейросетей формата word2veс. Полученные результаты в виде измененных под определенный запрос рецептов 78% из которых были оценены как успешно модифицированные, говорят о том, что данный способ имеет право на жизнь и может быть применен как вспомогательный инструмент для поваров или для людей, которые готовят по рецептам. На данный момент программный продукт находится на стадии доработки – несмотря на достаточно неплохой результат, есть вероятность, что процент успешных замен неподходящих пользователю продуктов увеличится с введением во входные параметры нейросети данных о нутриентах и пищевой ценности продуктов, так как сейчас же они учитываются алгоритмически.

The objects of this research are the different approaches and algorithms food recommendation system. The purpose of this scientific work is to create my own recommendation system of dishes based on a given context and explore the possibilities of this software product. The recommender system was built on neural networks with one hidden layer and wait product names as input, which is the novelty of this approach - reliance on the lexical representation of products and using a combination of two opposite neural networks of the word2veс format. The results were obtained in the form of recipes modified for a specific request, 78% of which were assessed as successfully modified, so this method has the right to life and can be used as an auxiliary tool for cooks or for people who cook according to recipes. As for now, the software product is being finalized - despite a good result, it is important to try increase the percentage of successful substitutions of products that are not suitable for the user with the introduction of data on nutrients and nutritional value of products into the input parameters of the neural network, since now they are taken into account algorithmically.