食品加工的informatics
计算与语言
2026-04-07 v2 人工智能
计算机与社会
数据库
机器学习
摘要
本章节探讨了食品加工的演化、分类及其健康影响，强调了机器学习、人工智能（AI）和数据科学在推动食品informatics 方面的变革性作用。本章从历史概述和对传统分类框架（如NOVA、Nutri-Score和SIGA）的批判性综述开始，突出了其优势与局限，尤其是那些阻碍流行病学研究和公共政策的主观性和可重复性挑战。为解决这些问题，本章提出了新的计算方法，包括FoodProX——一种基于营养成分数据训练的随机森林模型，用于推断加工水平并生成连续的FPro评分。本章还探讨了如何利用大型语言模型如BERT和BioBERT对食物描述和原料列表进行语义嵌入，以进行预测任务，即使存在缺失数据。本章节的关键贡献是针对Open Food Facts数据库进行的新案例研究，展示了多模态AI模型如何整合结构化和非结构化数据，以大规模分类食物，为公共卫生和研究领域的食品加工评估提供了新范式。
引用
@article{arxiv.2505.17087,
title = {Informatics for Food Processing},
author = {Gordana Ispirova and Michael Sebek and Giulia Menichetti},
journal= {arXiv preprint arXiv:2505.17087},
year = {2026}
}