論文の概要: Extracting chemical food safety hazards from the scientific literature automatically using large language models
- arxiv url: http://arxiv.org/abs/2405.15787v1
- Date: Wed, 1 May 2024 08:02:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-02 14:39:48.902010
- Title: Extracting chemical food safety hazards from the scientific literature automatically using large language models
- Title(参考訳): 大規模言語モデルを用いた科学文献からの化学物質安全性の抽出
- Authors: Neris Özen, Wenjuan Mu, Esther D. van Asselt, Leonieke M. van den Bulk,
- Abstract要約: 食品安全の専門家は、食品の安全性と食品連鎖における危険の発生に関するすべての文献を読むことは不可能である。
食品安全の専門家が最新の発見を認識し、容易かつ簡潔な方法でこの情報にアクセスできることが重要である。
本研究では, 大規模言語モデルを用いて, 科学的文献から化学物質を抽出する手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The number of scientific articles published in the domain of food safety has consistently been increasing over the last few decades. It has therefore become unfeasible for food safety experts to read all relevant literature related to food safety and the occurrence of hazards in the food chain. However, it is important that food safety experts are aware of the newest findings and can access this information in an easy and concise way. In this study, an approach is presented to automate the extraction of chemical hazards from the scientific literature through large language models. The large language model was used out-of-the-box and applied on scientific abstracts; no extra training of the models or a large computing cluster was required. Three different styles of prompting the model were tested to assess which was the most optimal for the task at hand. The prompts were optimized with two validation foods (leafy greens and shellfish) and the final performance of the best prompt was evaluated using three test foods (dairy, maize and salmon). The specific wording of the prompt was found to have a considerable effect on the results. A prompt breaking the task down into smaller steps performed best overall. This prompt reached an average accuracy of 93% and contained many chemical contaminants already included in food monitoring programs, validating the successful retrieval of relevant hazards for the food safety domain. The results showcase how valuable large language models can be for the task of automatic information extraction from the scientific literature.
- Abstract(参考訳): 食品安全分野の科学論文の数は、ここ数十年間一貫して増えている。
そのため、食品安全の専門家は、食品の安全性と食品連鎖における危険の発生に関連するすべての文献を読むことは不可能になっている。
しかし、食品安全の専門家が最新の発見を認識し、容易かつ簡潔な方法でこの情報にアクセスできることが重要である。
本研究では, 大規模言語モデルを用いて, 科学的文献から化学物質を抽出する手法を提案する。
大規模言語モデルは最初から使われ、科学的な抽象論に適用され、モデルや大規模コンピューティングクラスタの余分な訓練は不要であった。
モデルのプロンプトの3つの異なるスタイルがテストされ、どのタスクが最も最適かが評価された。
試薬は2種類の検証食品(リーフグリーンと貝類)で最適化し,3種類の試験食品(乳製品,トウモロコシ,サケ)を用いて最適なプロンプトの最終的な性能を評価した。
プロンプトの特定の表現は結果にかなりの影響を及ぼすことがわかった。
タスクを小さなステップに分割するプロンプトは、全体として最もうまく機能した。
このプロンプトは、平均93%の精度に達し、すでに食品監視プログラムに含まれている多くの化学物質が含まれており、食品安全領域の有害物の検索に成功している。
その結果,学術文献から情報を自動的に抽出する作業において,大規模言語モデルがいかに有用かが示された。
関連論文リスト
- FoodPuzzle: Developing Large Language Model Agents as Flavor Scientists [51.97629078968826]
本稿では,フレーバープロファイルの抽出と理解のための仮説の創出として概念化されたフレーバーサイエンスにおける科学エージェントのための新しい問題領域を提案する。
そこで本研究では,テキスト内学習と検索技術を統合したScientific Agentアプローチを提案する。
実験結果から,フレーバープロファイル予測タスクにおいて,本モデルが従来の手法をはるかに上回っていることが示唆された。
論文 参考訳(メタデータ) (2024-09-19T15:07:35Z) - 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) - Dietary Assessment with Multimodal ChatGPT: A Systematic Analysis [17.333822848423708]
本研究は、食事アセスメントの領域におけるマルチモーダルChatGPTの適用について検討する。
モデルを特定の言語プロンプトで導くことで、GPT-4Vは、米やパンのような一般的な主食を認識することから、バンクーやウグリといった地域料理を正確に識別するようになる。
GPT-4Vは、周囲の物体をスケール基準として利用し、食品の部位サイズを推定し、食品の重量を栄養分に翻訳する精度をさらに高める。
論文 参考訳(メタデータ) (2023-12-14T01:26:45Z) - NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。
最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。
我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。
また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
論文 参考訳(メタデータ) (2023-09-14T13:29:41Z) - 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) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳(メタデータ) (2022-12-29T19:32:20Z) - 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) - An Intelligent Passive Food Intake Assessment System with Egocentric
Cameras [14.067860492694251]
栄養失調は低所得国(LMIC)の主要な公衆衛生問題である
我々は,エゴセントリックカメラを用いた知的受動的摂食評価システムの実装を提案する。
摂取量を確実に監視し、ユーザの食行動にフィードバックを与えることができます。
論文 参考訳(メタデータ) (2021-05-07T09:47:51Z) - MFED: A System for Monitoring Family Eating Dynamics [7.390103907991721]
家族の摂食動態(FED)は、子と親の食事摂取に影響を与える可能性が高く、最終的には肥満のリスクがある。
現在、FEDをリアルタイムに監視するシステムは存在しない。
本稿では,野生生物のFEDをリアルタイムにモニタリングするシステムであるMFEDについて述べる。
論文 参考訳(メタデータ) (2020-07-11T19:00:53Z) - 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。