NutriGen：利用大语言模型增强饮食与营养依从性的个性化膳食计划生成器
人工智能
2025-12-16 v2 计算与语言
机器学习
摘要
保持均衡饮食对整体健康至关重要，然而由于营养复杂性、时间限制和饮食知识匮乏，许多人在膳食规划方面存在困难。个性化食物推荐可以通过将膳食计划量身定制以适应个人偏好、习惯和饮食限制，来帮助应对这些挑战。然而，现有的饮食推荐系统通常缺乏适应性，未能考虑食物成分可用性等现实世界约束，并且需要大量用户输入，使其难以在日常中可持续和规模化使用。为了解决这些局限性，我们引入了 NutriGen，这是一个基于大语言模型（LLM）的框架，旨在生成符合用户定义饮食偏好和约束的个性化膳食计划。通过构建个性化营养数据库并利用提示工程，我们的方法使 LLM 能够纳入如 USDA 营养数据库等可靠的营养参考，同时保持灵活性和易用性。我们证明了 LLM 在生成准确且用户友好的食物推荐方面具有巨大潜力，通过提供结构化、实用且可扩展的膳食计划，解决了现有饮食推荐系统的关键局限。我们的评估表明，Llama 3.1 8B 和 GPT-3.5 Turbo 分别实现了 1.55\% 和 3.68\% 的最低百分比误差，生成的膳食计划与用户定义的卡路里目标高度一致，同时最大限度地减少了偏差并提高了精度。此外，我们将 DeepSeek V3 与几个既有模型的性能进行了比较，以评估其在个性化营养规划中的潜力。
关键词
引用
@article{arxiv.2502.20601,
title = {NutriGen: Personalized Meal Plan Generator Leveraging Large Language Models to Enhance Dietary and Nutritional Adherence},
author = {Saman Khamesian and Asiful Arefeen and Stephanie M. Carpenter and Hassan Ghasemzadeh},
journal= {arXiv preprint arXiv:2502.20601},
year = {2025}
}