本文探讨了基于集成主题建模的用户建模和食谱推荐技术，提出了一种智能用户建模策略，能够快速捕捉用户偏好。研究表明，该方法在个性化推荐方面优于传统方法。此外，介绍了AI4Food-NutritionFW框架和NutritionVerse数据集，旨在提高膳食摄入估计的准确性，并推动机器学习在营养感知中的应用。

本文综述多项食谱计算研究：提出结构感知网络，利用食品图片和配料生成烹饪说明，在Recipe1M上达最优；用无监督方法生成活动任务图与流程文本流程图；基于异构图神经网络融合协作信号进行食谱推荐；将过程文本总结为图形表示；用编码器-解码器结合视觉文本构建烹饪流程，并建立9850道菜谱数据集；构建含中间步骤的食谱语料库；将配方与图像建模为烹饪程序；对齐文本与视频多模态食谱数据，并建立4262道菜品数据集；提出GNN食谱嵌入模型Recipe2Vec，用于风味分类和地区预测。