Inferência Automática de Nível Calórico de Receitas Culinárias Através de Técnicas de Aprendizagem de Máquina

• Larissa Feliciana da Silva Britto Universidade Federal de Pernambuco http://orcid.org/0000-0002-4381-4042
• Luciano Demétrio Santos Pacífico Universidade Federal Rural de Pernambuco https://orcid.org/0000-0001-6945-3612
• Teresa Bernarda Ludermir Universidade Federal de Pernambuco https://orcid.org/0000-0002-8980-6742

DOI: https://doi.org/10.5753/sbsi.2021.15350

Resumo

Neste trabalho, uma ferramenta para inferência automática do nível calórico de receitas culinárias é proposta, através de uma abordagem de Classificação de Textos. A ferramenta fará parte de um Sistema de Recomendação em desenvolvimento, para o auxílio a profissionais de saúde e usuários em geral na elaboração de dietas saudáveis.

Palavras-chave: Inferência Automática do Nível Calórico em Receitas, Classificação de Textos, Aprendizagem de Máquina, Processamento de Linguagem Natural

Referências

Afshin, A., Sur, P., Fay, K., Cornaby, L., Ferrara, G., Salama, J., Mullany, E., Abate, K., Cristiana, A., Abebe, Z., Afarideh, M., Aggarwal, A., Agrawal, S., Akinyemiju, T., Alahdab, F., Bacha, U., Bachman, V., Badali, H., and Badawi, A. (2019). Health effects of dietary risks in 195 countries, 1990–2017: a systematic analysis for the global burden of disease study 2017. The Lancet, 393, p. 1958–1972.

Jiang, H., Wang, W., Liu, M., Nie, L., Duan, L.-Y., and Xu, C. (2019). Market2dish: A health-aware food recommendation system. In Proceedings of the 27th ACM International Conference on Multimedia, MM ’19, p. 2188–2190, New York, NY, USA. Association for Computing Machinery.

Kowsari, K., Jafari Meimandi, K., Heidarysafa, M., Mendu, S., Barnes, L., and Brown, D. (2019). Text classification algorithms: A survey. Information, 10(4).

Majumder, B. P., Li, S., Ni, J., and McAuley, J. (2019). Generating personalized recipes from historical user preferences. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP), p. 5976–5982, Hong Kong, China. Association for Computational Linguistics.

Martinelli, S. S., Cavalli, S. B., Fabri, R. K., Veiros, M. B., Reis, A. a. B. C., and Amparosantos, L. (2020). Strategies for the promotion of healthy, adequate and sustainable food in brazil in times of covid-19. Revista de Nutrição, 33.

U.S. Food and Drug Administration (2020). How to understand and use the nutrition facts label. https://www.fda.gov/food/new-nutrition-facts-label/how-understand-anduse-nutrition-facts-label.

Yera Toledo, R., Alzahrani, A. A., and Mart´ınez, L. (2019). A food recommender system considering nutritional information and user preferences. IEEE Access, 7, p. 96695–96711.