这篇论文通过分析 Instagram 上 214,753 家餐厅的照片,旨在评估快餐和连锁餐厅与肥胖症之间的关系,揭示社交媒体上饮食健康的社交强化和认可的本质,发现快餐除了在社交交互和个人感知中扮演一定角色外,还与社交认可等因素反向,体现饮食景观的复杂生态系统。
Mar, 2015
本研究通过对 Instagram 上标签和社交网络数据的分析,尝试理解外部图片的内容以及其与已有标签的关联,特别地,通过纯粹的社交网络数据尝试识别食品图像的类别和内容,并证明了该方法在识别流行食品类别时的正确率可以达到 70% 以上,这表明通过数据驱动的分析可以为图片内容的关系及开发相关算法提供新的机遇和挑战。
Mar, 2016
本文研究了利用推特进行营养数据收集与分析的可行性,通过关联 210K 用户推特中提及的饮食体验与其兴趣、社交网络等因素,以推断全美国人的饮食习惯;进一步根据提及的食物名称和人口统计学变量预测县级肥胖症和糖尿病数据,结果较之前的研究表现更佳;最后,还根据提到社会和经济因素的数据,研究了肥胖症的社会因素。
Dec, 2014
研究社交媒体上食品语言的预测能力,通过三百万个相关推特文章的语料库,演示可以直接从数据中预测许多潜在的人口特征,包括超重率、糖尿病率、政治倾向和作者的家庭地理位置,所有任务的基于语言的模型都显著优于多数基线。最后,我们设计和实现了一个在线系统,用以实时查询和可视化数据集。
Sep, 2014
本研究分析了全球超过 200 种菜系的超过 157K 份食谱,并研究了这些食谱中的成分,口味和营养价值,以及它们与不同国家的健康指标之间的关系,结果表明地理和文化因素会影响全球不同地区的菜肴偏好与健康指标。
Oct, 2016
本研究利用推文中嵌入的 YouTube 视频进行饮食、锻炼和健身方面的调查,旨在研究 COVID-19 封锁措施对饮食和营养的影响,结果表明 COVID-19 期间聚合的宏量营养素评分发生了显著变化,此外,本研究还涉及用户聚合特征,这对于监测社交距离的二次卫生影响以及设计社交计划以缓解这些影响是重要的。
May, 2023
本文利用 Instagram 上的 1.9 百万张图片数据,通过图像识别方法来研究人们对食物不同的感知和描述之间的差异是否影响了健康结果。结果显示,这种 “感知差距” 与县级别的健康结果相关,这是首次使用图像识别的方法研究人们对食物的描述与实际相差的情况。
Feb, 2017
通过社交媒体平台的大数据监测,运用基于位置和关键词的图片爬取方法,训练出肯尼亚饮食分类模型及识别器,对 13 种典型肯尼亚食品进行分类识别,结合对图片、标签的分析和挖掘,探究了 2019 年 3 月肯尼亚社交媒体上各种食品的人气趋势。
Aug, 2019
研究通过 Instagram 中用户提供的标签与机器标注标签的数据来源的可行性及其对公共健康状况的研究价值,发现二者均可用于推断县域健康状况,并提出了机器标注标签在研究物质滥用方面的应用潜力。
Dec, 2015
利用图像处理和人工智能的最新进展,本文提出了 AI4Food-NutritionFW 框架,用于根据可配置的饮食习惯创建食物图像数据集,并通过多维度指标评估个体的饮食行为健康指数,取得了令人期待的结果。
Sep, 2023