Sistema de Predição de Valores Nutricionais em Receitas Culinárias através de Métodos de Aprendizagem de Máquina

Resumo


Neste trabalho, uma proposta de sistema de predição de valores nutricionais para receitas culinarias será apresentada. Uma abordagem voltada aos dados (data-driven) para a estimação automática dos valores nutricionais de novas receitas será empregada, desenvolvidas através de técnicas de Aprendizagem de Máquina. O sistema de predição proposto será usado como base para a elaboração de Sistemas de Recomendação de Receitas Culinárias, que consigam estimar as necessidades nutricionais de seus usuários, de modo a gerar dietas completas que contemplem tanto os padrões nutricionais diários recomendados, quanto às expectativas desses usuários.

Palavras-chave: Valores Nutricionais em Receitas, Sistemas de Recomendação de Receitas, Aprendizagem de Máquina, Análise de Textos

Referências

Britto, L. F. S., Oliveira, E. G., Pacifico, L. D. S., and Ludermir, T. B. (2019). A text analysis approach for cooking recipe classification based on brazilian portuguese documents. Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2019),1:1–12.

Gorbonos, E., Liu, Y., and Hoàng, C. T. (2018). Nutrec: Nutrition oriented online recipe recommender. In 2018 IEEE/WIC/ACM International Conference on Web Intelligence (WI), pages 25–32. IEEE.

Haykin, S. (1994). Neural networks: a comprehensive foundation. Prentice Hall PTR.

Majumder, B. P., Li, S., Ni, J., and McAuley, J. (2019). Generating personalized recipes from historical user preferences. arXiv preprint arXiv:1909.00105.

Mokdara, T., Pusawiro, P., and Harnsomburana, J. (2018). Personalized food recommendation using deep neural network. In 2018 Seventh ICT International Student Project Conference (ICT-ISPC), pages 1–4. IEEE.

Nirmal, I., Caldera, A., and Bandara, R. D. (2018). Optimization framework for flavour and nutrition balanced recipe: A data driven approach. In 2018 5th IEEE Uttar Pradesh Section International Conference on Electrical, Electronics and Computer Engineering (UPCON), pages 1–9. IEEE.

Oliveira, E. G., Britto, L. F. S., Pacifico, L. D. S., and Ludermir, T. B. (2019). Recipe recommendation and generation based on ingredient substitution. Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2019), 1:1–12.

Pacifico, L. D. S., Oliveira, E. G., Britto, L. F. S., and Ludermir, T. B. (2019). Sistemas de recomendação e geração de receitas através da categorização ontológica dos ingredientes. In Symposium in Information and Human Language Technology (STIL 2019), volume 1, pages 81–85. SBC.

Toledo, R. Y., Alzahrani, A. A., and Martínez, L. (2019). A food recommender system considering nutritional information and user preferences. IEEE Access, 7:96695–96711.

Trattner, C. and Elsweiler, D. (2017). Investigating the healthiness of internet-sourced recipes: implications for meal planning and recommender systems. In Proceedings of the 26th international conference on world wide web, pages 489–498. International World Wide Web Conferences Steering Committee.
Publicado
30/06/2020
PACIFICO, Luciano D. S.; DE OLIVEIRA, Emília G.; BRITTO, Larissa F. S.; LUDERMIR, Teresa B.. Sistema de Predição de Valores Nutricionais em Receitas Culinárias através de Métodos de Aprendizagem de Máquina. In: BRAZILIAN E-SCIENCE WORKSHOP (BRESCI), 14. , 2020, Cuiabá. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 129-132. ISSN 2763-8774. DOI: https://doi.org/10.5753/bresci.2020.11191.