論文の概要: Semi-Automated Construction of Food Composition Knowledge Base

• arxiv url: http://arxiv.org/abs/2301.11322v1
• Date: Tue, 24 Jan 2023 22:08:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-27 12:39:19.436536
• Title: Semi-Automated Construction of Food Composition Knowledge Base
• Title（参考訳）: 食品組成知識基盤の半自動構築
• Authors: Jason Youn, Fangzhou Li, Ilias Tagkopoulos
• Abstract要約: 本稿では,オンラインの科学文献から食品組成の知識基盤を構築するための半自動フレームワークを提案する。 我々の研究は、人間のループモデルが、ますます増加するビッグデータに順応するAI支援食品システムへの一歩であることを実証している。
• 参考スコア（独自算出の注目度）: 0.06445605125467573
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A food composition knowledge base, which stores the essential phyto-, micro-, and macro-nutrients of foods is useful for both research and industrial applications. Although many existing knowledge bases attempt to curate such information, they are often limited by time-consuming manual curation processes. Outside of the food science domain, natural language processing methods that utilize pre-trained language models have recently shown promising results for extracting knowledge from unstructured text. In this work, we propose a semi-automated framework for constructing a knowledge base of food composition from the scientific literature available online. To this end, we utilize a pre-trained BioBERT language model in an active learning setup that allows the optimal use of limited training data. Our work demonstrates how human-in-the-loop models are a step toward AI-assisted food systems that scale well to the ever-increasing big data.
• Abstract（参考訳）: 食品の植物、微生物、マクロ栄養素を貯蔵する食品組成知識基盤は、研究および産業用途の両方に有用である。 既存の知識ベースの多くはそのような情報をキュレーションしようとするが、時間を要する手動のキュレーションプロセスによって制限されることが多い。 食品科学分野以外では、事前訓練された言語モデルを用いた自然言語処理手法が、構造化されていないテキストから知識を抽出する有望な結果を示している。 本研究では,オンラインの科学文献から食品組成の知識ベースを構築するための半自動フレームワークを提案する。 そこで本研究では,制限付き学習データを最適に活用可能な,事前学習型BioBERT言語モデルをアクティブな学習環境に活用する。 我々の研究は、人間のループモデルが、ますます増加するビッグデータに順応するAI支援食品システムへの一歩であることを実証している。

関連論文リスト

• 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)
• Computer Vision in the Food Industry: Accurate, Real-time, and Automatic Food Recognition with Pretrained MobileNetV2 [1.6590638305972631]
  本研究は,16643画像からなる公共食品11データセット上での食品認識において,効率的かつ高速な事前訓練されたMobileNetV2モデルを用いる。 また、データセット理解、転送学習、データ拡張、正規化、動的学習率、ハイパーパラメータチューニング、さまざまなサイズの画像の考慮など、さまざまな技術を活用して、パフォーマンスと堅牢性を高めている。 より単純な構造を持ち、深層学習領域の深部・密度モデルと比較して訓練可能なパラメータが少ない光モデルを採用するが、短時間で計算可能な精度を達成した。
  論文  参考訳（メタデータ） (2024-05-19T17:20:20Z)
• Dolma: an Open Corpus of Three Trillion Tokens for Language Model Pretraining Research [139.69207791947738]
  ドルマ (Dolma) は、ウェブコンテンツ、科学論文、コード、パブリックドメインの書籍、ソーシャルメディア、百科事典の素材を多用した3トリルの英語コーパスである。 我々はDolmaの設計原則、その構築の詳細、内容の要約を含む、Dolmaを文書化します。 我々は、重要なデータキュレーションの実践について学んだことを共有するために、Dolmaの中間状態の分析と実験結果を示す。
  論文  参考訳（メタデータ） (2024-01-31T20:29:50Z)
• FoodLMM: A Versatile Food Assistant using Large Multi-modal Model [96.76271649854542]
  大規模マルチモーダルモデル(LMM)は多くの視覚言語タスクにおいて顕著な進歩を遂げている。 本稿では,多機能なLMMに基づく多目的食品アシスタントであるFoodLMMを提案する。 本稿では,食品の栄養価と複数のセグメンテーションマスクを予測するために,一連の新しいタスク固有のトークンとヘッドを導入する。
  論文  参考訳（メタデータ） (2023-12-22T11:56:22Z)
• Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
  我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。 バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。 計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
  論文  参考訳（メタデータ） (2023-12-21T14:26:57Z)
• FIRE: Food Image to REcipe generation [10.45344523054623]
  フードコンピューティングは、食品画像のレシピ情報を自律的に生成できるエンドツーエンドのインテリジェントシステムを開発することを目的としている。 本稿では,食品コンピューティング分野におけるレシピ生成に適した新しい手法であるFIREを提案する。 本稿では、FIREと大規模言語モデルのプロンプトを統合することの恩恵を享受できる2つの実用的なアプリケーションを紹介する。
  論文  参考訳（メタデータ） (2023-08-28T08:14:20Z)
• Cook-Gen: Robust Generative Modeling of Cooking Actions from Recipes [6.666528076345153]
  食品計算モデルは、健康的な食事習慣を維持するのを助けることで、ますます人気が高まっている。 本研究では,調理行動を含む現在の食品計算モデルを拡張するための生成AI手法について検討する。 本稿では,レシピから調理動作を確実に生成する新しいアグリゲーションベースの生成AI手法であるCook-Genを提案する。
  論文  参考訳（メタデータ） (2023-06-01T18:49:47Z)
• Learning Structural Representations for Recipe Generation and Food Retrieval [101.97397967958722]
  本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。 提案モデルは高品質でコヒーレントなレシピを作成でき、ベンチマークRecipe1Mデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-10-04T06:36:31Z)
• Online Continual Learning For Visual Food Classification [7.704949298975352]
  既存の方法はトレーニングのために静的なデータセットを必要としており、シーケンシャルに利用可能な新しい食品画像から学ぶことができない。 本稿では,各学習食品に含まれる最も代表的なデータを格納するための,クラスタリングに基づく模範選択アルゴリズムを提案する。 その結果,既存のオンライン連続学習手法と比較して,大幅な改善が見られた。
  論文  参考訳（メタデータ） (2021-08-15T17:48:03Z)
• Towards Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
  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。
  論文  参考訳（メタデータ） (2021-07-13T06:26:53Z)
• Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
  食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。 ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。 本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-02T10:54:25Z)

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。