Flavor Network와 그래프 경로 집계 기반의 와인-음식 페어링 설명가능 추천 연구

초록

본 연구는 와인-음식 페어링 예측과 설명가능 추천을 위해 Wine Reviews, FlavorDB, Recipe1M+의 개념과 구조를 참조하여 시뮬레이션 기반 다중관계 이종 그래프를 구성하고, Flavor Network와 그래프 경로 집계(Graph Path Aggregation, GPA)를 결합한 경량 추천 모델을 제안한다. Wine Reviews 데이터셋 129,971건에서 테이스팅노트, 품종, 산지, 평점 정보를 추출하고, 실험용 1,500개 와인 샘플을 구성하였다. FlavorDB는 12개 풍미 범주와 대표화합물 매핑을 정의하는 데 활용하였으며, Recipe1M+는 실제 전면 통합이 아니라 레시피 구조를 반영한 14개 음식 카테고리와 41개 식재료 라이브러리 구축에 활용하였다. 제안한 GPA는 와인, 풍미 태그, 풍미 화합물, 식재료, 음식으로 이어지는 경로를 집계하여 페어링 적합도와 추천 근거를 산출한다. 규칙 기반 약지도 방식으로 생성한 9,000개 페어를 대상으로 Random Pair, Cold-start Food, Cold-start Wine 조건에서 실험한 결과, GPA는 NDCG@10 기준0.995~1.000의 높은 순위화 성능을 보였다. 그러나 양성 레이블과 모델 점수 산출 과정이 유사한 구조적 신호를 공유하므로, 본 결과는 독립 레이블 기반 일반화 성능의 입증이 아니라 시뮬레이션 기반 가능성 검증으로 해석되어야 한다. 향후 연구에서는 전문가 평가, 독립 정답 레이블, 반복 실험, 통계 검정을 통해 외적 타당성과 신뢰성을 보완할 필요가 있다.

키워드