Feb, 2024

ChatDiet: 通过 LLM 增强框架赋能个性化营养导向的食品推荐聊天机器人

PDF
TL;DR食物对健康的深远影响需要先进的以营养为导向的食品推荐服务。本文介绍了 ChatDiet，这是一个新的基于大型语言模型的框架，专门设计用于个性化的以营养为导向的食品推荐聊天机器人，实现了个性化和可解释的食物推荐，以及与用户个人喜好相适应的互动。
发现论文，激发创造
  • 聊天机器人能否确定我的饮食？：针对饮食推荐的聊天机器人应用挑战

    聊天机器人在健康营养建议中的应用和挑战，提出指导开发者实现技术和理论上健壮的聊天机器人系统的流程。

    Feb, 2018

  • 借助人工智能协作：为营养咨询寻找高质量数据集

    使用大型语言模型，结合众包工人和营养专家，在缺乏公共资源的营养咨询领域，成功地聚集了一系列高质量的数据集，并通过专家评估得出，ChatGPT 生成的文本在流畅度和人类化方面表现出色，但在敏感话题（如心理健康）中存在不利行为，不适合无监督使用。

    Jan, 2024

  • 基于知识增强的 LLM 驱动的会话式健康智能助手：糖尿病患者案例研究

    使用知识注入的大型语言模型驱动的对话卫生代理 (Conversational Health Agent, CHA) 进行糖尿病患者的管理，通过整合外部知识和分析能力，包括美国糖尿病协会的膳食指南和 Nutritionix 的信息，以及营养摄入计算和与指南的比较等分析工具，与 GPT4 相比，该代理在生成管理重要营养素的回答方面表现出更好的性能。

    Feb, 2024

  • FoodLMM：使用大型多模态模型的多功能食物助手

    提出了一种基于 Large Multi-modal Models 的多功能食品助手 FoodLMM，包括食品识别、成分识别、食谱生成、营养估计、食品分割和多轮对话等各种能力，通过引入一系列新颖的任务特定标记和头部来预测食品营养价值和多个分割掩码，采用两阶段训练策略，使其能够进行专业对话和基于对食品领域的复杂推理来生成分割掩码，并在若干食品数据集上取得了最先进的结果。

    Dec, 2023

  • 在饮食信息领域比较自然语言生成聊天机器人与图形应用程序的信息性

    本文研究了一种自然语言生成的聊天机器人结合图表和文本来提供洞察力，用户与其交互得出的营养数据更有助于人们深入理解和快速使用。通过与传统应用程序的比较，表明在不同的任务中，与用户交谈可以显著提高用户对营养数据的理解，并认为聊天机器人比传统应用程序更有用且使用更快。

    Jun, 2022

  • 支持学生学习推荐的 LLM 基于知识图谱上下文化的聊天机器人

    利用聊天机器人作为对话中介和有限生成解释的来源的基于 LLM 的聊天机器人支持学生理解学习路径建议。

    Jan, 2024

  • 基于机器学习模型的学术环境中食品推荐系统

    使用混合推荐系统结合协同过滤、基于内容和基于知识的模型，以及决策树、k - 近邻、AdaBoost 和 Bagging 等机器学习模型根据能量指标和学生的食品选择历史，将大学餐厅的食物推荐给学生，其中 AdaBoost 模型的准确率最高，为 73.70%。

    Jun, 2023

  • PersonalityChat: 基于事实和特征的个性化对话建模的会话提炼

    本文利用大型语言模型（LLM）通过个性化对话生成，基于个人特点和人格特质创建了一个合成对话数据集，从而证明了个性化对话模型和与 PersonaChat 相比的表现优势。

    Jan, 2024

  • Chat-REC：面向可交互和可解释的 LLMs 增强型推荐系统

    本文提出使用大型语言模型与 Chat-Rec 范例的对话推荐系统（CRS）来提高传统推荐系统的互动性与可解释性，并演示了其在学习用户喜好和在零样本评级预测任务的表现改进方面具有的有效性。

    Mar, 2023

  • 大型语言模型与机器学习在电子商务推荐中的新兴协同效应

    电子商务和网络应用的蓬勃发展使得推荐系统成为我们日常生活中重要的一部分，但是现有基于深度神经网络的方法在理解用户兴趣、捕捉文本信息以及推广到不同场景等方面仍存在限制。近期的研究借助大型语言模型的崛起旨在改进推荐系统，本文系统回顾了已有的大型语言模型驱动的推荐系统，介绍了使用大型语言模型作为特征编码器学习用户和物品表示的方法以及在预训练、微调和提示等三个范式下的最新进展，并对这一新兴领域的未来方向进行了全面的讨论。

    Mar, 2024