論文の概要: Flavonoid Fusion: Creating a Knowledge Graph to Unveil the Interplay Between Food and Health

• arxiv url: http://arxiv.org/abs/2510.06433v1
• Date: Tue, 07 Oct 2025 20:11:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.185414
• Title: Flavonoid Fusion: Creating a Knowledge Graph to Unveil the Interplay Between Food and Health
• Title（参考訳）: Flavonoid Fusion:食品と健康の相互作用を明らかにするための知識グラフを作る
• Authors: Aryan Singh Dalal, Yinglun Zhang, Duru Doğan, Atalay Mert İleri, Hande Küçük McGinty,
• Abstract要約: 本研究は,様々なプラットフォームからの情報を組み合わせるナレッジグラフの能力を通じて,食品と健康をリンクするナレッジグラフを作成することを目的とする。 提案された知識グラフは研究者の例であり、食事の選択と疾病管理の間の複雑な相互作用を探索することを可能にする。
• 参考スコア（独自算出の注目度）: 0.4618037115403289
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The focus on "food as medicine" is gaining traction in the field of health and several studies conducted in the past few years discussed this aspect of food in the literature. However, very little research has been done on representing the relationship between food and health in a standardized, machine-readable format using a semantic web that can help us leverage this knowledge effectively. To address this gap, this study aims to create a knowledge graph to link food and health through the knowledge graph's ability to combine information from various platforms focusing on flavonoid contents of food found in the USDA databases and cancer connections found in the literature. We looked closely at these relationships using KNARM methodology and represented them in machine-operable format. The proposed knowledge graph serves as an example for researchers, enabling them to explore the complex interplay between dietary choices and disease management. Future work for this study involves expanding the scope of the knowledge graph by capturing nuances, adding more related data, and performing inferences on the acquired knowledge to uncover hidden relationships.
• Abstract（参考訳）: 健康分野における「食品としての食品」への注目が高まり、過去数年間に行われたいくつかの研究が文学における食品のこの側面について論じている。 しかし、この知識を効果的に活用するためのセマンティックウェブを使用して、標準化された機械可読フォーマットで、食品と健康の関係を表現する研究はほとんど行われていない。 このギャップに対処するため,本研究では,USDAデータベースにある食品のフラボノイド含量と文献中のがん関連性に着目した知識グラフを用いて,食品と健康を関連付ける知識グラフを作成することを目的とする。 我々は,これらの関係をKNARM手法を用いて詳細に検討し,機械操作可能な形式で表現した。 提案された知識グラフは研究者の例であり、食事の選択と疾病管理の間の複雑な相互作用を探索することを可能にする。 本研究の今後の課題は、ニュアンスをキャプチャーし、関連データを追加し、得られた知識の推論を行い、隠れた関係を明らかにすることにより、知識グラフの範囲を広げることである。

関連論文リスト

• Food Data in the Semantic Web: A Review of Nutritional Resources, Knowledge Graphs, and Emerging Applications [0.0]
  食品分野における重要な栄養資源、知識グラフ、新しい応用を概観する。 不均一な食品データソースをセマンティックリソースに統合できる食品エンティティリンクと認識技術に特化している。
  論文  参考訳（メタデータ） (2025-08-31T20:44:28Z)
• Informatics for Food Processing [0.5266869303483376]
  この章は、食品情報学の発展における機械学習、人工知能(AI)、データサイエンスの変革的な役割を強調している。 これらの問題に対処するため、この章では、処理レベルを推測するために栄養組成データに基づいて訓練されたランダムな森林モデルであるFoodProXを含む、新しい計算手法を提示している。 この章の重要なコントリビューションは、Open Food Factsデータベースを使った新しいケーススタディで、マルチモーダルAIモデルが構造化データと非構造化データを統合して、大規模に食品を分類する方法を示している。
  論文  参考訳（メタデータ） (2025-05-20T20:44:31Z)
• 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)
• Empowering machine learning models with contextual knowledge for enhancing the detection of eating disorders in social media posts [1.0423569489053137]
  本稿では,知識グラフと深層学習を組み合わせてソーシャルメディア投稿の分類を強化する新しいハイブリッドアプローチを提案する。 我々は、健康領域、特に摂食障害に関連するポストを特定することに重点を置いている。 我々は,摂食障害に関する2000ツイートのデータセットを用いて,知識グラフ情報と単語埋め込みを組み合わせることで,予測モデルの信頼性が向上することを確認した。
  論文  参考訳（メタデータ） (2024-02-08T10:15:41Z)
• CERM: Context-aware Literature-based Discovery via Sentiment Analysis [1.6317061277457001]
  本稿では、エンティティペアに基づいてテキストの感情をキャプチャする新しいタスクであるエンティティ関係感分析(ERSA)を紹介する。 ERSAは、文の感情がエンティティ関係の感情と一致しないため、従来の感情分析タスクと比較して大きな課題となる。 本稿では,ERSAタスクのエンコーディングを強化するために,異なる単語埋め込みを組み合わせた半教師付きアーキテクチャCERMを提案する。
  論文  参考訳（メタデータ） (2024-01-27T06:40:08Z)
• 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)
• Fact-Checking Generative AI: Ontology-Driven Biological Graphs for Disease-Gene Link Verification [45.65374554914359]
  本研究の目的は,ChatGPTの内容から得られた生物学的グラフに埋め込まれた知識の事実チェックを実現することである。 そこで我々は,ChatGPTの関連エンティティの系統的尋問を可能にする生物学的ネットワークアプローチを採用した。 本研究は,ChatGPT生成テキスト中の集合疾患遺伝子関係の高精度な解析を行った。
  論文  参考訳（メタデータ） (2023-08-07T22:13:30Z)
• 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)
• 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。