論文の概要: Eating for a Sustainable Planet: Personalized Sustainable Diet Recommendation via Constraint-Aware Decision-Making Modeling

• arxiv url: http://arxiv.org/abs/2608.24274v1
• Date: Tue, 25 Aug 2026 09:01:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.907508
• Title: Eating for a Sustainable Planet: Personalized Sustainable Diet Recommendation via Constraint-Aware Decision-Making Modeling
• Title（参考訳）: 持続可能な惑星の食事:制約を考慮した意思決定モデルによる個人化されたサステナブルなダイエット勧告
• Abstract要約: 持続可能な食事は、栄養の充実、経済的可給性、文化的受容性、環境の尊重の4つの重要な柱の中で多次元のシナジーを表している。 この研究は、個々の食事選択を惑星の健康と整合させる枠組みを確立し、将来の持続可能な食事介入と持続可能な開発のための政策決定を導く定量的な証拠を提供する。
• 参考スコア（独自算出の注目度）: 38.463811823430824
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A sustainable diet represents a multi-dimensional synergy among four essential pillars: nutrition adequacy, economic affordability, cultural acceptability, and environmental respect. Despite the prevalence of population-level sustainability modeling, practical implementation relies on effective individual-level adoption. This transition is often hindered by inter-individual heterogeneity, posing a formidable challenge in aligning sustainable diet requirements with individual preferences. To address this issue, we propose a personalized sustainable diet recommendation model based on a constraint-aware decision-making mechanism, where sustainability is incorporated through learnable constraints rather than modeled as user preferences. To systematically evaluate the proposed approach, we construct a sustainable diet dataset named SusDiet with about 150k recipes, characterized by broad coverage of sustainability indicators. Experimental results on this dataset show that our method promotes more sustainable choices without compromising individual preference. This work establishes a framework for aligning individual dietary choices with planetary health, offering quantitative evidence to guide future sustainable diet interventions and policy-making for sustainable development.
• Abstract（参考訳）: 持続可能な食事は、栄養の充実、経済的可給性、文化的受容性、環境の尊重の4つの重要な柱の中で多次元のシナジーを表している。 人口レベルの持続可能性モデリングが普及しているにもかかわらず、実践的な実装は効果的な個人レベルの採用に依存している。 この移行はしばしば、個人間の異質性によって妨げられ、持続的な食事要求と個人の嗜好を整合させるという深刻な課題を生じさせる。 そこで本研究では,ユーザの嗜好をモデル化するのではなく,学習可能な制約を通じてサステナビリティを組み込む,制約対応意思決定機構に基づく,パーソナライズされたサステナブルなダイエットレコメンデーションモデルを提案する。 提案手法を体系的に評価するために,サステナビリティ指標を広範囲に網羅したサステナビリティ指標を用いて,約150kのレシピを用いたサステナビリティ・ダイエット・データセットを構築した。 実験結果から,提案手法は個人の嗜好を損なうことなく,より持続可能な選択を促進することが示された。 この研究は、個々の食事選択を惑星の健康と整合させる枠組みを確立し、将来の持続可能な食事介入と持続可能な開発のための政策決定を導く定量的な証拠を提供する。

関連論文リスト

• Bringing GRACE to Recommendation: Fine-Tuning for Sustainable and Accurate Personalization [57.58261252242669]
  環境サステナビリティに関する懸念が高まり、グリーンの推奨システムは、よりエコフレンドリーで健康的な選択へとユーザーを導いてくれる。 多くの既存のグリーンレコメンデーションアプローチでは、スクラッチから新しいモデルをトレーニングする必要がある。 本稿では、アイテムレベルのサステナビリティ信号を事前訓練されたレコメンデーションモデルに統合する微調整フレームワークであるGRACE(Adaptive Conflict-rEsolution)を提案する。
  論文  参考訳（メタデータ） (2026-07-24T14:17:37Z)
• 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)
• Bites of Tomorrow: Personalized Recommendations for a Healthier and Greener Plate [53.11228047172713]
  持続可能な食品の選択肢を優先し,推奨することを目的としたグリーンレコメンドアライテッド・パーソナライズド・イーティング(GRAPE)を紹介した。 また、グリーンインジケータに対応する2つの革新的なグリーンロス関数を、均一または区別された優先順位で設計する。
  論文  参考訳（メタデータ） (2025-08-19T14:35:37Z)
• NutriGen: Personalized Meal Plan Generator Leveraging Large Language Models to Enhance Dietary and Nutritional Adherence [6.937243101289335]
  NutriGenは、ユーザが定義した食事の好みや制約に合わせて、パーソナライズされた食事プランを生成するように設計されたフレームワークである。 Llama 3.1 8B と GPT-3.5 Turbo がそれぞれ 1.55% と 3.68% の誤差を示した。
  論文  参考訳（メタデータ） (2025-02-28T00:05:49Z)
• 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)
• Advancing Sustainability via Recommender Systems: A Survey [23.364932316026973]
  ヒトの行動パターンと消費パラダイムは、環境劣化と気候変動において重要な決定要因として現れてきた。 持続可能性原則を取り入れて、環境意識と社会的に責任のある選択を育む、持続可能なレコメンデーターシステムの必要性が不可欠である。 本研究は, 持続可能なレコメンデーションシステムの体系的分析によって, この重要な研究ギャップに対処するものである。
  論文  参考訳（メタデータ） (2024-11-12T09:19:32Z)
• Revolutionizing Global Food Security: Empowering Resilience through Integrated AI Foundation Models and Data-Driven Solutions [8.017557640367938]
  本稿では,食品セキュリティアプリケーションにおけるAIファンデーションモデルの統合について検討する。 本研究は, 収穫型マッピング, 耕作地マッピング, フィールドデライン化, 収穫量予測における利用状況について検討した。
  論文  参考訳（メタデータ） (2023-10-31T09:15:35Z)
• GreenDB -- A Dataset and Benchmark for Extraction of Sustainability Information of Consumer Goods [58.31888171187044]
  毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。 製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。 本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
  論文  参考訳（メタデータ） (2022-07-21T19:59:42Z)
• Multi-Objective Optimization for Value-Sensitive and Sustainable Basket Recommendations [0.0]
  持続可能な消費は、サービスや製品の使用による環境および社会的影響を最小限にすることを目的としている。 本稿では、消費者が個人的価値を尊重しながら購入の持続可能性を向上させることができるレコメンデーションシステムの価値感受性設計に焦点を当てる。
  論文  参考訳（メタデータ） (2021-11-10T21:00:40Z)

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。