| 研究実績の概要 |
本研究では、食事記録の負担を下げるための取り組みを行う。パーソナライゼーションに対処する技術の高度化を行い、食事写真の認識、特定人物の記録の解析、予測の技術基盤を構築する。パーソナライゼーションによる個人の多様性を考慮した認識で精度を高め、食事記録の負担を下げる。また、データドリブンなアプローチで記録の解析と可視化を行うことで、可用性を高める。2019年度の研究実績を列記する。
（１）新FoodLogの開発、公開、運用： これまでのFoodLogで網羅的な収集が困難であった栄養データを収集するための新しいFoodLogを開発し、ユーザ版のiPhoneアプリ、Androidアプリ、さらに管理栄養士側の管理用アプリを公開し、スポーツ管理栄養士とそのアスリートを中心に利用できる運用を始めた。食事記録の支援だけでなく、ユーザと栄養士のコミュニケーション支援を行うツールとなっている。運用を通じて、改善を進めている。
（２）時間依存性、品目依存性を考慮したパーソナライズ食事認識認識：随時入力される個人の食事データに適応する認識器を構築した。ユーザ入力系列の時間依存性（より近い時点の入力の重みを重く）、品目依存性（ユーザ入力と共通テンプレートの重みを品目ごとに最適化）を考慮し、既存手法を上回る性能向上を確認した。
（３）食材カテゴリー予測と可視化：アスリートユーザが記録した食事データを自動的に食材カテゴリに分解し、食物摂取頻度調査票を作成することで, 食習慣解析を行う手法を提案した。 テキストの食事記録から類似のレシピを探索して使用されている食材を抽出し, 階層クラスタリング法を実施することで食材カテゴリの分類を行った。評価実験の結果から十分な推定精度で食事カテゴリ予測ができ、アスリートの食事カテゴリに基づく食傾向の可視化を行った。
|
