論文の概要: Towards Building a Food Knowledge Graph for Internet of Food

• arxiv url: http://arxiv.org/abs/2107.05869v1
• Date: Tue, 13 Jul 2021 06:26:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-14 14:42:34.115277
• Title: Towards Building a Food Knowledge Graph for Internet of Food
• Title（参考訳）: 食品のインターネットのための食品知識グラフの構築に向けて
• Authors: Weiqing Min, Chunlin Liu, Shuqiang Jiang
• Abstract要約: 食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。 食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。 食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
• 参考スコア（独自算出の注目度）: 66.57235827087092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: The deployment of various networks (e.g., Internet of Things (IoT) and mobile networks) and databases (e.g., nutrition tables and food compositional databases) in the food system generates massive information silos due to the well-known data harmonization problem. The food knowledge graph provides a unified and standardized conceptual terminology and their relationships in a structured form and thus can transform these information silos across the whole food system to a more reusable globally digitally connected Internet of Food, enabling every stage of the food system from farm-to-fork. Scope and approach: We review the evolution of food knowledge organization, from food classification, food ontology to food knowledge graphs. We then discuss the progress in food knowledge graphs from several representative applications. We finally discuss the main challenges and future directions. Key findings and conclusions: Our comprehensive summary of current research on food knowledge graphs shows that food knowledge graphs play an important role in food-oriented applications, including food search and Question Answering (QA), personalized dietary recommendation, food analysis and visualization, food traceability, and food machinery intelligent manufacturing. Future directions for food knowledge graphs cover several fields such as multimodal food knowledge graphs and food intelligence.
• Abstract（参考訳）: 背景: 食品システムにおける様々なネットワーク(モノのインターネット(IoT)やモバイルネットワーク)とデータベース(栄養表や食品構成データベースなど)の配置は、よく知られたデータ調和の問題により、膨大な情報サイロを生成する。 食品知識グラフは、統一的で標準化された概念用語とその関係を構造化された形で提供し、それによって、これらの情報サイロを食品システム全体にわたって、より再利用可能なデジタル接続されたインターネット・オブ・フードに変換することができる。 スコープとアプローチ: 食品分類, 食品オントロジーから食品知識グラフまで, 食品知識組織の進化を概観する。 次に,食品知識グラフの進歩について,いくつかの代表的な応用から考察する。 最後に、主要な課題と今後の方向性について話し合う。 主な知見と結論: 食品知識グラフに関する最近の研究の概要は、食品検索・質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析・可視化、食品トレーサビリティ、食品知能製造など、食品指向のアプリケーションにおいて、食品知識グラフが重要な役割を果たすことを示している。 食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。

関連論文リスト

• MetaFood3D: Large 3D Food Object Dataset with Nutrition Values [53.24500333363066]
  このデータセットは、詳細な栄養情報、体重、および包括的栄養データベースに関連付けられた食品コードを含む、108カテゴリにわたる637の細かな3D食品オブジェクトから成っている。 実験の結果、我々のデータセットがアルゴリズムの性能を向上させる重要な可能性を実証し、ビデオキャプチャと3Dスキャンされたデータの間の困難さを強調し、高品質なデータ生成、シミュレーション、拡張におけるMetaFood3Dデータセットの強みを示した。
  論文  参考訳（メタデータ） (2024-09-03T15:02:52Z)
• Building FKG.in: a Knowledge Graph for Indian Food [2.339288371903242]
  本研究では,インド料理の料理情報を知識グラフの形で同化する自動システムを構築した。 我々は、AI、LLM、言語技術を用いて、パブリックドメインのレシピブログサイトから情報をキュレートする新しいワークフローを提案する。 設計はアプリケーションに依存しず、AI駆動のスマート分析、パーソナライズドデジタルヘルスのためのレコメンデーションシステム構築に使用することができる。
  論文  参考訳（メタデータ） (2024-09-01T20:18:36Z)
• FoodSky: A Food-oriented Large Language Model that Passes the Chef and Dietetic Examination [37.11551779015218]
  食品データを理解するために食品指向の大規模言語モデル(LLM)を導入する。 中国料理の複雑さと典型性を考えると、我々はまず1つの総合的な中華料理コーパス「FoodEarth」を構築した。 そこで我々は,HTRAG(Herarchical Topic Retrieval Augmented Generation)機構とTS3M(Selective State Space Model)を提案する。
  論文  参考訳（メタデータ） (2024-06-11T01:27:00Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake Estimation [65.47310907481042]
  高齢者の4人に1人は栄養不良です。 機械学習とコンピュータビジョンは、食品の自動栄養トラッキング方法の約束を示す。 NutritionVerse-3Dは、105個の3D食品モデルの大規模な高解像度データセットである。
  論文  参考訳（メタデータ） (2023-04-12T05:27:30Z)
• Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
  栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。 米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。 提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
  論文  参考訳（メタデータ） (2022-06-05T02:41:44Z)
• Large Scale Visual Food Recognition [43.43598316339732]
  これは2000のカテゴリと100万以上のイメージを持つ、最大規模の食品認識データセットです。 food2kはそれらをカテゴリとイメージの両方で1桁ずつバイパスする。 食品認識のためのディーププログレッシブ領域強化ネットワークを提案します。
  論文  参考訳（メタデータ） (2021-03-30T06:41:42Z)
• An End-to-End Food Image Analysis System [8.622335099019214]
  食品の局所化, 分類, 部分サイズ推定を統合した画像に基づく食品分析フレームワークを提案する。 提案するフレームワークはエンドツーエンドであり,複数の食品を含む任意の食品画像として入力することができる。 本研究の枠組みは,栄養摂食調査から収集した実生活食品画像データセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-02-01T05:36:20Z)
• Personal Food Model [4.093166743990079]
  我々は、食品コンピューティングにおける人中心のマルチメディアとマルチモーダルの視点を採用する。 パーソナルフードモデル(Personal Food Model)は、個人の食品関連特性のデジタル化表現である。 我々は、食品と他の生命や生物学的事象を関連付けるために、イベントマイニングアプローチを使用し、予測モデルを構築します。
  論文  参考訳（メタデータ） (2020-08-28T21:36:09Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。