Diet2Vec：大规模饮食数据的多尺度分析
机器学习
2016-12-02 v1 机器学习
应用统计
摘要
在过去的十年中，使用户能够轻松记录饮食的智能手机应用已变得普及。这为通过分析此类应用用户的饮食习惯来发现关于肥胖和减肥的新见解创造了机会。在本文中，我们提出 diet2vec：一种在大规模电子饮食日志数据库中建模潜在结构的方法。通过迭代的收缩与扩展过程，我们的模型学习用户饮食的实值嵌入，以及单个食物和餐食的嵌入。我们在流行饮食记录应用 LoseIt\footnote{http://www.loseit.com/} 的 55K 用户的真实数据集上证明了我们方法的有效性。据我们所知，这是营养与肥胖研究史上最大规模的细粒度饮食跟踪研究。我们的结果表明 diet2vec 在所有层次上都能找到可解释的结果，发现食物、餐食和饮食的直观表示。
引用
@article{arxiv.1612.00388,
title = {Diet2Vec: Multi-scale analysis of massive dietary data},
author = {Wesley Tansey and Edward W. Lowe and James G. Scott},
journal= {arXiv preprint arXiv:1612.00388},
year = {2016}
}
备注
Accepted to the NIPS 2016 Workshop on Machine Learning for Health