論文の概要: Beyond Similarity: Heterogeneous Graph Learning for Multi-Objective Food Substitution in Charitable Food Agencies

• arxiv url: http://arxiv.org/abs/2608.21979v1
• Date: Sat, 22 Aug 2026 14:30:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.94006
• Title: Beyond Similarity: Heterogeneous Graph Learning for Multi-Objective Food Substitution in Charitable Food Agencies
• Title（参考訳）: 類似性を超えて:慈善食品における多目的食品代替のための異種グラフ学習
• Abstract要約: 慈善食品代理店は、必要な人々に寄付された食品を配布することで、食料の安全を損なう重要な役割を担っている。 良質な食品代替品には、家庭の好み、栄養的ニーズ、およびアイテムの類似性が必要である。 我々は、慈善食品代理店における食品代替のソース・グラウンド・レコメンデーション・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Charitable food agencies play an important role in alleviating food insecurity by distributing donated food to people in need. However, they rely on ad hoc in-kind donations and often face shortages of specific foods, so they offer substitutes. A good food substitution requires matching household preferences, nutritional needs, and item similarity. Agencies have limited direct records of consumption behavior due to resource constraints, making it challenging to make an appropriate substitution decision that meets multiple criteria. In this study, we propose a heterogeneous graph neural network (HeteroGNN), a source-grounded recommendation framework for food substitution in charitable food agencies. We first build a unified relational graph from large-scale public data sources, combining household behavior on food consumption and food nutrient information in the United States (US) context. We treat the substitution recommendation as a multi-objective ranking problem with three targets, including behavior affinity, health suitability, and substitution similarity. We train and validate the proposed framework under standard graph relationship and adverse cold-start settings by removing relational edges from the graph. Our results show that the proposed framework leverages relational information beyond node features in predicting consumption behavior. Additionally, the proposed framework remains robust with sparsity when the model receives incomplete information about behavior and nutrient features. Finally, we show the weak correlation among different objectives, thereby justifying the multi-objective framing as a replacement for an aggregated decision. The proposed framework can help downstream charitable agency decision-makers make contextspecific substitution recommendations with limited information available.
• Abstract（参考訳）: 慈善食品代理店は、必要な人々に寄付された食品を配布することで、食料の安全を損なう重要な役割を担っている。 しかし、彼らはアドホックなインキンドの寄付に依存しており、しばしば特定の食品の不足に直面しているため、代替品を提供する。 良質な食品代替には、家庭の嗜好、栄養的ニーズ、およびアイテムの類似性が必要である。 資産は資源制約による消費行動の直接記録を制限しており、複数の基準を満たす適切な代替判断を行うことは困難である。 本研究では,チャリタブル食品代理店における食品代替のための提案手法として,異種グラフニューラルネットワーク(HeteroGNN)を提案する。 まず、米国(米国)における食品消費に関する家庭行動と栄養情報を組み合わせて、大規模な公共データソースから統合されたリレーショナルグラフを構築した。 代替勧告は、行動親和性、健康適合性、代替類似性を含む3つの目標を持つ多目的ランキング問題として扱う。 我々は,グラフから関係エッジを取り除き,標準グラフ関係と悪いコールドスタート設定の下で提案したフレームワークを訓練し,検証する。 提案手法は, 消費行動予測において, ノード特徴を超える関係情報を利用することを示す。 さらに、モデルが行動や栄養的特徴について不完全な情報を受け取ると、提案するフレームワークは疎結合のままである。 最後に、異なる目的間の弱い相関を示し、その結果、集約された決定の代替として、多目的フレーミングを正当化する。 提案したフレームワークは、限られた情報で、下流の慈善団体の意思決定者がコンテキスト固有の代替レコメンデーションを作成するのに役立つ。

関連論文リスト

• Beyond Fine-Tuning: Robust Food Entity Linking under Ontology Drift with FoodOntoRAG [3.6073664126704537]
  本稿では,ドメインオンラグからNELエンティティを抽出するモデル診断パイプラインを提案する。 パイプラインは、既存のアノテーションのギャップと矛盾を明らかにする最先端の精度にアプローチする。 この設計は微調整を回避し、進化に対する堅牢性を改善し、基礎的な正当化を通じて解釈可能な決定をもたらす。
  論文  参考訳（メタデータ） (2026-03-10T14:57:34Z)
• GLEN-Bench: A Graph-Language based Benchmark for Nutritional Health [48.94971812317643]
  GLEN-Benchは,栄養学的健康評価のためのグラフ言語に基づく最初の総合ベンチマークである。 GLEN-Benchは3つの関連タスクを含む: リスク検出は、食生活や社会経済的パターンからリスクのある個人を識別する; 推奨は、リソース制約の中で臨床ニーズを満たすパーソナライズされた食品を提案する。 我々の分析では、健康リスクに関連する明確な食事パターンを特定し、実践的な介入を導くための洞察を提供する。
  論文  参考訳（メタデータ） (2026-01-26T03:32:46Z)
• Personalized Class Incremental Context-Aware Food Classification for Food Intake Monitoring Systems [3.8767314375943918]
  既存の食品分類モデルでは、新しい分類の精度は低く、パーソナライゼーションの欠如がある。 本稿では,これらの課題を克服するために,個人別・クラス別食品分類モデルを提案する。 本手法は, 個人化により, 新クラスと既存クラスの両方に適用可能性と精度を維持しながら, 新たな食品クラスに適応する。
  論文  参考訳（メタデータ） (2025-03-09T14:50:56Z)
• NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning [49.06840168630573]
  食事は人間の健康において重要な役割を担っているが、個々の健康状態に対する食事の理由付けは大きな課題である。 栄養質問回答(QA)は,この問題に対処するための一般的な方法である。 栄養学的健康推論のために設計された最初のグラフ質問応答データセットであるNGQA(Nutritional Graph Question Answering)ベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-12-20T04:13:46Z)
• 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)
• Automating Food Drop: The Power of Two Choices for Dynamic and Fair Food Allocation [51.687404103375506]
  私たちはインディアナ州の非営利組織とパートナーし、EmphFood Dropというプログラムを率いています。 このパートナーシップの目標は、Food Dropを完全に自動化することにあります。 そのためには、食品を受け取った食品銀行の公正性の確保と、トラック運転手の効率の最適化を両立させるために、リアルタイムな意思決定を行うためのマッチングアルゴリズムが必要である。
  論文  参考訳（メタデータ） (2024-06-10T15:22:41Z)
• Transferring Knowledge for Food Image Segmentation using Transformers and Convolutions [65.50975507723827]
  食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。 1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。 2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。 BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-06-15T15:38:10Z)
• 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)
• 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。