| 研究実績の概要 |
本研究の目的は疫学領域の食事調査の簡便化である。これまでにシソーラスを用いて，管理栄養士のスキルであるコーディング（成分表の食品番号に食事内容を関連づける作業）の自動化を検討してきた。
今年度は，一般の人が食事を申告する言葉に対象を拡大して，大規模レシピサイト（COOKPAD（株）と国立情報学研究所の共同公開データ）における，'肉'の語彙例を観察した。このデータにある料理172万件・食材1,273万件を対象に，漢字・かな・半角を統一し，肉の語彙を観察し，人数分の記載がある料理140万件については肉のポーションサイズ（PS）を算出した。結果，条件A（'肉'を含む）では3.30万件が抽出されたが，肉の調味料や焼肉タレ，果肉，蟹肉，肉厚椎茸など肉でない物が混在した。条件B（'肉'を含まないが'牛，鶏または鳥），豚'を含む）では，各々6,139件，37,565件，36,388件が抽出された。条件CはA,B以外で肉と認識できる表現で，ミンチ，カルビ，ササミ，手羽，とんとろが6,868件，条件Dで'合挽'を含むデータ（送り仮名の揺らぎを含む）が595件抽出された。これらから重複を除外し，PSが数値化できたのは50,141件で，PSがグラム表記だったのは30,103件であった。PSの平均/中央値は豚85/75g,牛91/80g,鶏88/75gであった。PSの分布は3種類とも二峰性であった。管理栄養士が肉をコード化する場合，成分表の名称と食品番号（例：乳用肥育牛肉/かた/脂身つき/生，No.11030）で区別するが，一般人が牛の種類を区別するのは和牛，黒豚などのブランドを示す場合であり，料理に用いる部位は曖昧で明確な区別なく，'肉'を含まない略称（手羽，合挽など）を多用する等の特徴があった。コーディングを自動化するには，食品や部位を整理したルールベースが必要であることが明らかになった。
|
