NGQA：面向个性化健康感知营养推理的营养图谱问答基准
计算与语言
2024-12-23 v1 人工智能
机器学习
摘要
饮食在人类健康中起着至关重要的作用，然而将饮食推理 tailored 于个人健康状况仍是一项重大挑战。营养问答（QA）已成为解决该问题的一种流行方法。然而，当前研究面临两个关键局限。一方面，缺乏涉及用户特定医疗信息的数据集严重限制了个性化。个人健康需求的巨大差异进一步加剧了这一挑战。另一方面，作为该任务流行解决方案的大语言模型（LLM）虽展现出强大的推理能力，但在个性化健康饮食推理的领域特定复杂性上仍存在困难，且现有基准未能捕捉这些挑战。为填补这些空白，我们引入了营养图谱问答（NGQA）基准，这是首个专为个性化营养健康推理设计的图谱问答数据集。NGQA 利用来自国家健康与营养检查调查（NHANES）和膳食研究食品与营养数据库（FNDDS）的数据，在关键贡献营养素解释的支持下，评估某种食物对特定用户是否健康。该基准包含三种问题复杂度设置，并跨三个下游任务评估推理能力。使用 LLM 主干和基线模型的大量实验表明，NGQA 基准有效挑战了现有模型。总之，NGQA 解决了一个关键的现实世界问题，同时以一个新颖的领域特定基准推动了 GraphQA 研究。
引用
@article{arxiv.2412.15547,
title = {NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning},
author = {Zheyuan Zhang and Yiyang Li and Nhi Ha Lan Le and Zehong Wang and Tianyi Ma and Vincent Galassi and Keerthiram Murugesan and Nuno Moniz and Werner Geyer and Nitesh V Chawla and Chuxu Zhang and Yanfang Ye},
journal= {arXiv preprint arXiv:2412.15547},
year = {2024}
}