論文の概要: Introducing the Swiss Food Knowledge Graph: AI for Context-Aware Nutrition Recommendation
- arxiv url: http://arxiv.org/abs/2507.10156v1
- Date: Mon, 14 Jul 2025 11:12:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:24.761247
- Title: Introducing the Swiss Food Knowledge Graph: AI for Context-Aware Nutrition Recommendation
- Title（参考訳）: スイスの食品知識グラフ - コンテキスト対応栄養勧告のためのAI
- Authors: Lubnaa Abdur Rahman, Ioannis Papathanail, Stavroula Mougiakakou,
- Abstract要約: スイス食品知識グラフ(SwissFKG)は、栄養データ、栄養制限、アレルゲン情報、栄養ガイドラインを1つのグラフの下にまとめる最初の資料である。
我々の研究は、視覚的、文脈的、文化的な食の次元をブレンドする次世代の食事アセスメントツールの基礎を築いた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: AI has driven significant progress in the nutrition field, especially through multimedia-based automatic dietary assessment. However, existing automatic dietary assessment systems often overlook critical non-visual factors, such as recipe-specific ingredient substitutions that can significantly alter nutritional content, and rarely account for individual dietary needs, including allergies, restrictions, cultural practices, and personal preferences. In Switzerland, while food-related information is available, it remains fragmented, and no centralized repository currently integrates all relevant nutrition-related aspects within a Swiss context. To bridge this divide, we introduce the Swiss Food Knowledge Graph (SwissFKG), the first resource, to our best knowledge, to unite recipes, ingredients, and their substitutions with nutrient data, dietary restrictions, allergen information, and national nutrition guidelines under one graph. We establish a LLM-powered enrichment pipeline for populating the graph, whereby we further present the first benchmark of four off-the-shelf (<70 B parameter) LLMs for food knowledge augmentation. Our results demonstrate that LLMs can effectively enrich the graph with relevant nutritional information. Our SwissFKG goes beyond recipe recommendations by offering ingredient-level information such as allergen and dietary restriction information, and guidance aligned with nutritional guidelines. Moreover, we implement a Graph-RAG application to showcase how the SwissFKG's rich natural-language data structure can help LLM answer user-specific nutrition queries, and we evaluate LLM-embedding pairings by comparing user-query responses against predefined expected answers. As such, our work lays the foundation for the next generation of dietary assessment tools that blend visual, contextual, and cultural dimensions of eating.
- Abstract（参考訳）: AIは、特にマルチメディアベースの自動食事評価を通じて、栄養分野において大きな進歩をもたらした。
しかし、既存の自動食事アセスメントシステムは、栄養内容が著しく変化し、アレルギー、制限、文化的習慣、個人の嗜好など、個々の食生活のニーズを反映するレシピ固有の成分置換など、重要な非視覚的要因を無視することが多い。
スイスでは、食品関連の情報は利用可能であるが、断片化されており、スイスの文脈で関連する栄養関連要素をすべて統合する中央リポジトリは存在しない。
この分割を橋渡しするため,スイス食品知識グラフ(SwissFKG,SwissFKG,SwissFKG,SwissFKG,SwissFKG,SwissFKG,SwissFKG,SwissFKG,SwissFKG)を導入する。
本研究は,LLMを用いたグラフ生成のためのエンリッチメントパイプラインを構築し,食品知識向上のための4つのオフザシェルフ (<70Bパラメータ) LLMの最初のベンチマークを提示する。
以上の結果から, LLMは栄養情報によってグラフを効果的に強化できることが示された。
我々のSwissFKGは、アレルゲンや食事制限情報などの成分レベルの情報を提供し、栄養ガイドラインに沿ったガイダンスを提供することで、レシピレコメンデーションを超えています。
さらに,SwissFKGのリッチな自然言語データ構造をグラフRAGアプリケーションで実装することにより,LLMがユーザ固有の栄養クエリにどう答えるかを実証し,事前に定義された回答とユーザクエリ応答を比較してLLM埋め込みペアリングを評価する。
このように、食生活の視覚的、文脈的、文化的側面をブレンドする次世代の食生活評価ツールの基礎を築いた。
関連論文リスト
- KERL: Knowledge-Enhanced Personalized Recipe Recommendation using Large Language Models [17.705244174235045]
大規模言語モデル(LLMs)の最近の進歩と食品データの豊富さは、食品の理解を改善するために研究されている。
我々は、食品KGとLLMを活用して、パーソナライズされた食品レコメンデーションを提供する統一システムであるKERLを紹介する。
我々は,提案するKG拡張LDMが既存手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2025-05-20T17:19:57Z) - Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。
栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
論文 参考訳（メタデータ） (2025-05-13T17:01:21Z) - MOPI-HFRS: A Multi-objective Personalized Health-aware Food Recommendation System with LLM-enhanced Interpretation [50.309987904297415]
Yelpのような主要な食品レコメンデーションプラットフォームは、ユーザの選択した健康性よりも、ユーザの食事の好みを優先している。
我々はMOPI-HFRS(Multi-Objective Personalized Interpretable Health-Aware Food Recommendation System)を開発した。
ユーザの好み、パーソナライズされた健康、栄養の多様性の3つの目標と、大きな言語モデル(LLM)強化推論モジュールを共同で最適化することで、食品レコメンデーションを提供する。
論文 参考訳（メタデータ） (2024-12-12T01:02:09Z) - Enhancing FKG.in: automating Indian food composition analysis [2.180451315432493]
本稿では,インド料理の食品組成データを知識グラフを用いて計算する手法を提案する。
このワークフローは、FKG.inを補完し、検証済み知識ベースからの食品組成データを反復的に補完することを目的としている。
ユーザがワークフローと対話して、ダイエットベースのヘルスレコメンデーションを得る方法について、簡単に説明している。
論文 参考訳（メタデータ） (2024-12-06T18:27:15Z) - RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。
Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。
本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
論文 参考訳（メタデータ） (2024-07-17T16:49:34Z) - NutriBench: A Dataset for Evaluating Large Language Models on Nutrition Estimation from Meal Descriptions [6.223619389512576]
NutriBenchは、初めて公開された自然言語による食事記述栄養ベンチマークである。
世界の食事摂取データから生成された11,857件の食事記述から成っている。
データは人間によって検証され、炭水化物、タンパク質、脂肪、カロリーを含むマクロ栄養ラベルで注釈付けされている。
論文 参考訳（メタデータ） (2024-07-04T15:10:51Z) - 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-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) - UMDFood: Vision-language models boost food composition compilation [26.5694236976957]
本稿では, 食品組成プロファイルを正確に推定するために, フロント・オブ・パッケージ・ラベリングと製品画像を用いた新しい視覚言語モデル, UMDFood-VLを提案する。
化学分析結果とモデル推定結果の誤差の最大82.2%は10%未満である。
この性能は、他の食品および栄養関連データコンパイルと触媒化への一般化に光を当てている。
論文 参考訳（メタデータ） (2023-05-18T03:18:12Z) - 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) - Personalized Food Recommendation as Constrained Question Answering over
a Large-scale Food Knowledge Graph [16.58534326000209]
本稿では,大規模食品知識ベース/グラフ(KBQA)上での制約付き質問応答として,食品推薦のための新たな問題定式化を提案する。
ユーザクエリからの要求に加えて、ユーザの食事嗜好と健康ガイドラインからのパーソナライズされた要求が統一された方法で処理される。
我々のアプローチは非パーソナライズドのアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2021-01-05T20:38:16Z)
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。