論文の概要: Reddit's Appetite: Predicting User Engagement with Nutritional Content

• arxiv url: http://arxiv.org/abs/2502.07377v1
• Date: Tue, 11 Feb 2025 08:54:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:08:23.490486
• Title: Reddit's Appetite: Predicting User Engagement with Nutritional Content
• Title（参考訳）: Redditのトレンド:栄養コンテンツによるユーザエンゲージメントの予測
• Authors: Gabriela Ozegovic, Thorsten Ruprechter, Denis Helic,
• Abstract要約: Reddit上での食品関連投稿における栄養内容がユーザエンゲージメントに与える影響について検討した。 この結果は、健康な食事習慣を奨励することを目的とした、より活発なオンラインイニシアチブの設計に価値ある洞察を与える。
• 参考スコア（独自算出の注目度）: 0.051205673783866146
• License:
• Abstract: The increased popularity of food communities on social media shapes the way people engage with food-related content. Due to the extensive consequences of such content on users' eating behavior, researchers have started studying the factors that drive user engagement with food in online platforms. However, while most studies focus on visual aspects of food content in social media, there exist only initial studies exploring the impact of nutritional content on user engagement. In this paper, we set out to close this gap and analyze food-related posts on Reddit, focusing on the association between the nutritional density of a meal and engagement levels, particularly the number of comments. Hence, we collect and empirically analyze almost 600,000 food-related posts and uncover differences in nutritional content between engaging and non-engaging posts. Moreover, we train a series of XGBoost models, and evaluate the importance of nutritional density while predicting whether users will comment on a post or whether a post will substantially resonate with the community. We find that nutritional features improve the baseline model's accuracy by 4%, with a positive contribution of calorie density towards prediction of engagement, suggesting that higher nutritional content is associated with higher user engagement in food-related posts. Our results provide valuable insights for the design of more engaging online initiatives aimed at, for example, encouraging healthy eating habits.
• Abstract（参考訳）: ソーシャルメディア上での食品コミュニティの普及は、人々が食品関連コンテンツと関わり方を形作っている。 利用者の摂食行動にそうしたコンテンツが及ぼした影響から、研究者らはオンラインプラットフォームにおける食事へのユーザエンゲージメントを促進する要因について研究を始めた。 しかし、ほとんどの研究はソーシャルメディアにおける食事内容の視覚的側面に焦点を当てているが、栄養的内容がユーザーのエンゲージメントに与える影響を調査する最初の研究は存在しない。 本稿では,このギャップを埋めてRedditの食事関連投稿を分析し,食事の栄養濃度とエンゲージメントレベル,特にコメント数との関連性に着目した。 そこで,約60,000件の食品関連ポストを収集,分析し,エンゲージメントポストと非エンゲージメントポストの栄養内容の違いを明らかにした。 さらに,一連のXGBoostモデルをトレーニングし,利用者が投稿にコメントするかどうか,投稿がコミュニティと実質的に共鳴するかどうかを予測しながら,栄養密度の重要性を評価する。 栄養学的特徴は,食関係投稿のユーザエンゲージメントの向上に関連して,食関係の予測に対するカロリー密度の正の寄与により,ベースラインモデルの精度を4%向上させることが示唆された。 我々の結果は、健康的な食事習慣を奨励することを目的とした、より活発なオンラインイニシアチブの設計のための貴重な洞察を提供する。

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)
• ChatDiet: Empowering Personalized Nutrition-Oriented Food Recommender Chatbots through an LLM-Augmented Framework [2.3221599497640915]
  ChatDietは、パーソナライズされた栄養指向の食品レコメンデーションチャットボット用に特別に設計された、新しいフレームワークである。 ChatDietは、オーケストラが補完する個人モデルと人口モデルを統合し、シームレスに関連する情報を検索し、処理する。 ChatDietの評価には説得力のあるケーススタディが含まれており、個別の栄養効果を推定するための因果的個人モデルを確立している。
  論文  参考訳（メタデータ） (2024-02-18T06:07:17Z)
• NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation [68.49526750115429]
  食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。 NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
  論文  参考訳（メタデータ） (2023-11-20T11:05:20Z)
• 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)
• Comfort Foods and Community Connectedness: Investigating Diet Change during COVID-19 Using YouTube Videos on Twitter [5.761735637750927]
  新型コロナウイルス(COVID-19)のパンデミック・ロックダウン(パンデミック・ロックダウン)は、何百万人もの人々の習慣を大きく変えた。 われわれは、ダイエット、運動、フィットネスに関するツイートに埋め込まれたYouTubeビデオを使って、パンデミックのロックダウンがダイエットと栄養に与える影響を調査している。
  論文  参考訳（メタデータ） (2023-05-19T02:51:25Z)
• Biased Bytes: On the Validity of Estimating Food Consumption from Digital Traces [17.890674216192277]
  ソーシャルメディア(Twitter)と食品追跡アプリケーション(MyFoodRepo)による食事行動の関連を定量化する。 例えば、パンはTwitterよりも消費食品や追跡食品の2.5倍、ケーキはTwitterの12倍の頻度である。 食べ物の種類によって、Twitterに投稿された食べ物は、消費された食品や追跡された食品と比べて、美味しく、カロリーが高く、健康が悪く、家庭で消費された可能性が低く、より複雑で、より大きいものと見なされている。
  論文  参考訳（メタデータ） (2022-08-30T17:13:16Z)
• 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)
• 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)
• 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)
• Formation of Social Ties Influences Food Choice: A Campus-Wide Longitudinal Study [35.304562448945184]
  Ecole Polytechnique Federale de Lausanne(EPFL)大学のキャンパスでは8年間に3800万件の食品購入を記録しています。 受動的に観測されたログデータから因果効果を推定する。 食品の購入頻度が食相手の食品選択の健康性に大きく影響する食品を特定した。
  論文  参考訳（メタデータ） (2021-02-17T13:47:28Z)
• 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。