결측 영양 정보가 존재하는 환경에서는 레시피가 제약(예: 나트륨·열량 상한)을 만족하는지 확실히 판단하기 어려워, 추천 시스템이 요청된 개수만큼(Top-N) 결과를 끝까지 반환하지 못하는 문제가 발생할 수 있다. 이 문제는 영양 값의 누락뿐 아니라 재료가 영양 DB와 정확히 연결되지 않거나(매핑 실패), 연결 신뢰도가 낮고, 중량 정보가 불완전한 경우에 더 커진다. 본 연구는 이러한 상황을 운영 관점에서 다루기 위해 추천 후보를 “조건을 확실히 만족”, “확실히 위반”, “확실히 판단 불가”의 세 상태로 구분하고, 반환 가능한 후보군을 기준으로 Top-N을 안정적으로 제공하는 서빙 정책을 제안한다. 제안 정책은 확실히 만족하는 항목을 우선 제시한 뒤, 부족한 만큼은 판단이 어려운 항목으로 채우되, 결과에 불확실 항목의 포함 정도를 함께 표시하여 불확실성을 숨기지 않도록 설계한다. 또한 판단이 어려운 항목들 사이에서도 제약을 만족할 가능성이 더 높은 항목을 먼저 보여주도록 정렬하는 확장안을 제시한다. 실험 결과, 제안 정책은 제약이 강해지거나 추가 제한(금지 재료 등)이 발생해도 요청된 개수의 추천을 더 안정적으로 제공했으며, 불확실성의 증가가 어떤 방식으로 나타나는지 해석 가능하게 만들어 운영 투명성을 높였다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Jonghun Gim
Sunwoo Ko
Journal of Intelligence and Information Systems
Building similarity graph...
Analyzing shared references across papers
Loading...
Gim et al. (Tue,) studied this question.
www.synapsesocial.com/papers/69df2a4be4eeef8a2a6af83b — DOI: https://doi.org/10.13088/jiis.2026.32.1.351