論文の概要: Knowledge-Powered Recommendation for an Improved Diet Water Footprint
- arxiv url: http://arxiv.org/abs/2403.17426v1
- Date: Tue, 26 Mar 2024 06:47:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-27 16:26:20.312858
- Title: Knowledge-Powered Recommendation for an Improved Diet Water Footprint
- Title(参考訳): 食餌用フットプリントの改良のための知識を活用した勧告
- Authors: Saurav Joshi, Filip Ilievski, Jay Pujara,
- Abstract要約: 世界の人口の3分の2は2025年までに水不足に直面している可能性がある。
本稿では,サステナブルかつ健全な食品消費を促進するために,知識グラフを活用した推薦エンジンを提案する。
- 参考スコア(独自算出の注目度): 17.346108935633392
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: According to WWF, 1.1 billion people lack access to water, and 2.7 billion experience water scarcity at least one month a year. By 2025, two-thirds of the world's population may be facing water shortages. This highlights the urgency of managing water usage efficiently, especially in water-intensive sectors like food. This paper proposes a recommendation engine, powered by knowledge graphs, aiming to facilitate sustainable and healthy food consumption. The engine recommends ingredient substitutes in user recipes that improve nutritional value and reduce environmental impact, particularly water footprint. The system architecture includes source identification, information extraction, schema alignment, knowledge graph construction, and user interface development. The research offers a promising tool for promoting healthier eating habits and contributing to water conservation efforts.
- Abstract(参考訳): WWFによると、11億人が水へのアクセスを欠いており、少なくとも1か月は水不足を経験している。
2025年までに世界の人口の3分の2が水不足に直面している可能性がある。
これは、特に食品のような水集約的な分野において、水の使用を効率的に管理する緊急性を強調している。
本稿では,サステナブルで健全な食品消費を促進することを目的とした,知識グラフを活用したレコメンデーションエンジンを提案する。
このエンジンは、栄養価を向上し、環境、特に水足場を減少させるユーザーレシピの代替品を推奨している。
システムアーキテクチャには、ソース識別、情報抽出、スキーマアライメント、知識グラフ構築、ユーザインターフェース開発が含まれる。
この研究は、健康的な食事習慣を促進し、水保護活動に貢献するための有望なツールを提供する。
関連論文リスト
- 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) - How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。
本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。
本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
論文 参考訳(メタデータ) (2024-05-12T00:16:02Z) - Climate Change Impact on Agricultural Land Suitability: An Interpretable
Machine Learning-Based Eurasia Case Study [94.07737890568644]
2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。
気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。
本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
論文 参考訳(メタデータ) (2023-10-24T15:15:28Z) - A Food Recommender System in Academic Environments Based on Machine
Learning Models [3.42658286826597]
Decision Tree, k-Nearest Neighbors (kNN), AdaBoost, Baggingなどの機械学習モデルについて, 食品レコメンデーションシステムの分野で検討した。
AdaBoostモデルは73.70%の精度で最高性能である。
論文 参考訳(メタデータ) (2023-06-26T11:43:37Z) - The Water Health Open Knowledge Graph [0.0]
WHOW-KG(英: WHOW-KG)は、水消費、汚染、感染症率、薬物分布に関するデータをモデル化する意味知識グラフである。
WHOW-KGはEUが出資するWHOW(Water Health Knowledge Open)プロジェクトの文脈で開発されている。
論文 参考訳(メタデータ) (2023-05-18T15:43:00Z) - Investigating Health-Aware Smart-Nudging with Machine Learning to Help
People Pursue Healthier Eating-Habits [12.07862191291072]
本稿では,より健康的なレシピを選択するための3つの新しいヌード技術であるWHO-BubbleSlider,FSA-ColorCoading,DRCI-MLCPを提案する。
その結果、食品の意思決定プロセスの間、適切な健康対策により、ユーザーはより健康的なレシピをクリックし、閲覧し、選択しやすくなった。
論文 参考訳(メタデータ) (2021-10-05T10:56:02Z) - Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。
深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
論文 参考訳(メタデータ) (2021-08-06T05:46:01Z) - 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) - Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery
And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。
実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文 参考訳(メタデータ) (2020-12-11T18:42:15Z) - A Comprehensive Review of Deep Learning Applications in Hydrology and
Water Resources [0.0]
デジタルデータのグローバルボリュームは2025年までに175ゼタバイトに達すると予想されている。
この研究は、水産業で使われている最先端のディープラーニングアプローチの包括的なレビューを提供する。
論文 参考訳(メタデータ) (2020-06-17T16:57:17Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳(メタデータ) (2020-06-05T08:04:37Z)
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。