食物配料替代综述

饮食在管理慢性疾病和整体健康方面发挥着关键作用。随着人们对食物选择越来越挑剔，寻找符合饮食需求的食谱变得更加重要。配料替代是为适应饮食限制、过敏和可用性约束而调整食谱的关键。然而，确定合适的替代方案具有挑战性，因为这需要分析配料的风味、功能性和健康适宜性。随着人工智能的发展，研究者们探索了解决配料替代问题的计算方法。本综述论文提供了该领域研究的全面概述，重点关注五个关键方面：（i）支持配料替代研究的数据集和数据源；（ii）用于解决替代问题的技术和方法；（iii）被考虑的配料背景信息，如营养成分、风味和搭配潜力；（iv）已开发替代模型的应用，包括饮食限制、约束和缺失配料；（v）替代模型的安全性和透明度，关注用户信任和健康问题。综述还概述了未来研究的有前景的方向，例如集成神经符号技术进行深度学习和利用知识图谱以提高推理，旨在指导食物计算和配料替代领域的发展。