빅데이터 기반 창의성 시스템: 요리 레시피와 메뉴 생성

초록

이 논문은 대규모 레시피·화학·감각 데이터와 빅데이터 분석 기법을 결합해, 아이디어 생성과 선택을 동시에 수행하는 요리 창의성 시스템을 제안한다. 데이터‑구동형 평가 모듈이 인간의 미각·후각 인지를 모델링해 새 레시피와 메뉴의 새로움과 품질을 자동으로 판단한다.

상세 분석

본 연구는 기존 컴퓨테이셔널 크리에이티비티가 “선택 단계”의 부재로 비판받아 온 점을 정확히 짚어낸다. 저자들은 창의성의 두 핵심 차원인 ‘새로움(novelty)’과 ‘품질(quality)’을 각각 정보이론적 베이즈 서프라이즈와 신경가스트로노미 기반 감각 모델로 정량화한다. 레시피 데이터베이스(수십만 건)와 화학적 성분 데이터(GC‑MS 결과) 그리고 hedonic psychophysics 실험값을 통합한 ‘도메인 지식 DB’를 구축하고, 이를 전처리·정규화하는 파이프라인을 상세히 기술한다. 생성 단계에서는 조합론적 탐색 공간이 10^24 수준에 달함을 감안해, 샘플링 기반 생성 알고리즘과 토픽 모델링을 활용해 수천~수백만 개의 후보 레시피를 빠르게 도출한다. 선택 단계는 전통적인 지도학습이 아닌, 부분‑레벨(재료·조리법·분자 특성) 평가와 전체‑레벨 통합 점수 계산으로 구성된다. 특히, ‘베이즈 서프라이즈’를 이용해 인간 주의가 끌릴 가능성을 예측하고, ‘스톡캐스틱 거리 함수’를 통해 메뉴 내 다양성을 정량화한다. 시스템은 ‘워크 플래너’, ‘워크 프로덕트 디자이너’, ‘워크 프로덕트 어세서’라는 세 모듈로 모듈화돼, 인간과의 혼합 이니셔티브 인터랙션을 지원한다. 반자동 모드에서는 사용자가 제시한 제약조건(예: 지역 특성, 영양 목표)을 입력하면, 시스템이 실시간으로 아이디어를 제안하고 평가한다. 논문은 또한 빅데이터의 4V(Volume, Velocity, Variety, Veracity)를 창의성 연구에 적용한 사례를 제시하며, 데이터 신뢰성(Veracity) 문제를 다루기 위한 로버스트 알고리즘 설계와 노이즈 처리 방식을 논의한다. 전체적으로 데이터‑구동형 선택 메커니즘을 통해 ‘생성‑선택’의 순환을 완전하게 구현함으로써, 기존 시스템이 겪던 ‘선택 부재’ 문제를 해결한다는 점이 가장 큰 공헌이다.