کالری تان را در گوشی تان مهار کنید

0

سیستم مبتنی بر وب ثبت تغذیه، به شما کمک خواهد کرد

برای افرادی که با چاقی خود دست‌وپنجه نرم می‌کنند، شمارش کالری و سایر اطلاعات تغذیه درباره هر وعده غذایی راه موثری برای کاهش وزن است. این شیوه مستلزم دقت و تداوم است، و معمولا زمانی که افراد زمان کافی برای ثبت تمام اطلاعات مورد نیاز خود را ندارند کارایی نخواهد داشت. چند سال پیش، تیمی از متخصصان تغذیه روی برنامه‌های تلفن همراه برای ثبت مصرف کالری کار کردند. هدف آن‌ها ایجاد یک برنامه گفتاری بود که آسان‌تر اطلاعات غذایی را ثبت کند. محققان یک نمونه مبتنی بر وب از این سیستم ثبت تغذیه ارائه کرده‌اند که از طریق گفتار کنترل می‌شود. با این سیستم، کاربر به طور کلامی محتویات یک غذا را توضیح می‌دهد، و سپس سیستم توضیحات را تجزیه می‌کند و داده‌های غذایی را از یک پایگاه داده آنلاین به طور خودکار بازیابی می‌کند. داده‌ها همراه با تصاویر غذاهای مربوطه و منوی کشویی نمایش داده می‌شوند تا کاربر توضیحات را اصلاح کند. این اصلاحات را می‌توان به طور کلامی نیز انجام داد. کاربری که می‌گوید: «برای صبحانه، یک کاسه بلغور جو، موز، و یک لیوان آب پرتقال خوردم.» می‌تواند این اطلاعات را اصلاح کند و بگوید: «نصف موز خوردم» و سیستم نیز داده‌های نمایش داده‌شده درباره موز را به‌روزرسانی می‌کند. محققان دریافته‌اند که نحوه کار با این سیستم برای کاربران خسته‌کننده است و در نتیجه آن‌ها تمایلی به ادامه کار با این سیستم ندارند.

بنابراین آن‌ها به دنبال شیوه‌هایی بودند که اطلاعات با دقت بیشتر و آسان‌تر ثبت شوند. آن‌ها نتایج آزمایش‌های انجام‌شده با یک سیستم تشخیص گفتار را گزارش کردند. اما این موضوع اصلی کار آن‌ها نبود؛ بلکه در اصل یک پیش‌نمایش آنلاین از سیستم ثبت غذا به‌جای استفاده از برنامه تشخیص گفتار رایگان گوگل بود. تحقیقات آن‌ها به دو مشکل دیگر می‌پرداخت. یکی از آن‌ها شناسایی نقش کاربردی واژگان است: سیستم باید تشخیص دهد آیا کاربر اطلاعات تغذیه‌ای درباره عبارت «کاسه بلغور جو» را نیز ثبت می‌کند یا خیر. مشکل دیگر تطبیق عبارت کاربر با مدخل‌های موجود در پایگاه داده است. برای مثال، داده‌ها درباره بلغور جو تحت عنوان «جو» ثبت شده‌اند و واژه «بلغور جو» در هیچ‌یک از مدخل‌ها یافت نمی‌شود. برای رسیدگی به مشکل اول، محققان از آموزش ماشینی استفاده کردند. از طریق پلتفرم منبع‌یابی جمعیت Amazon Mechanical Turk، آن‌ها کارگرانی را به کار گرفتند که فقط آنچه را که در وعده‌های غذایی اخیر خود خورده بودند توصیف می‌کردند، سپس واژگان مربوطه را در توضیحات تحت نام‌های غذا، کمیت، نام تجاری، و… قرار می‌دادند. در عبارت «کاسه بلغور جو»، «کاسه» کمیت و «بلغور جو» غذاست. وقتی ۱۰ هزار توضیح غذایی برچسب خوردند، محققان از الگوریتم آموزش ماشینی برای پیدا کردن الگوها در روابط نحوی بین واژگان استفاده کردند. برای ترجمه توضیحات کاربران و برچسب‌ها، محققان از یک پایگاه داده با منبع باز به نام  Freebase استفاده کردند که برای بیش از ۸ هزار ماده غذایی رایج مدخل دارد. این مدخل‌ها مترادف نیز دارند. در صورت عدم وجود مترادف، آن‌ها از کارگران Mechanical Turk می‌خواستند تعدادی مترادف ارائه دهند. نسخه سیستم ارائه‌شده به گونه‌ای است که زنده بودن این رویکرد را نسبت به پردازش زبان طبیعی نشان دهد؛ این سیستم تعداد کالری‌ها را گزارش می‌دهد اما هنوز به طور خودکار آن‌ها را جمع نمی‌زند. در آینده چنین سیستمی ارائه خواهد شد. پس از تکمیل پروژه محققان قصد دارند تحقیقی دیگر انجام دهند تا دریابند که آیا این سیستم واقعا ثبت تغذیه را آسان‌تر می‌کند یا خیر.

ارسال دیدگاه

آدرس ایمیل شما منتشر نخواهد شد.