چکیده:
اﻣﺮوزه ﺑﺎ وﺟﻮد اﻓﺰاﯾﺶ روزاﻓﺰون ﺗﻨﻮع و ﻓﺮاواﻧﯽ ﻏﺬاﻫﺎ و ﻋﺪم ﺗﻮﺟﻪ ﺑﻪ رژﯾﻢ ﻏﺬاﯾﯽ ﺳﺎﻟﻢ، اﺣﺘﻤﺎل اﺑﺘﻼ ﺑﻪ ﺑﯿﻤﺎری ﻫﺎی رژﯾﻤﯽ ﭼﻮن دﯾﺎﺑﺖ، ﻗﻨﺪ و ... اﻓﺰاﯾﺶ ﻣﯽ ﯾﺎﺑﺪ. ﻫﻤﭽﻨﯿﻦ ﺑﺎ رﺷﺪ روزاﻓﺰون اﺳﺘﻔﺎده از اﯾﻨﺘﺮﻧﺖ و دﺳﺘﺮﺳﯽ ﺑﻪ ﺣﺠﻢ ﻋﻈﯿﻤﯽ از اﻃﻼﻋﺎت، ﻣﺮدم ﺗﻮﺟﻪ ﺑﯿﺸﺘﺮی ﺑﻪ ﺟﻤﻊ آوری اﻃﻼﻋﺎت در زﻣﯿﻨﻪ رژﯾﻢ ﻏﺬاﯾﯽ و ﯾﺎ ﭼﮕﻮﻧﮕﯽ ﺟﻠﻮﮔﯿﺮی از ﭘﯿﺸﺮﻓﺖ و ﯾﺎ ﺷﯿﻮع ﺑﯿﻤﺎری ﻣﯽ ﮐﻨﻨﺪ؛ اﻣﺎ ﺑﻪ دﻟﯿﻞ ﭘﺮاﮐﻨﺪﮔﯽ اﻃﻼﻋﺎت و ﻋﺪم اﻃﻤﯿﻨﺎن از ﺻﺤﺖ آن، اﻏﻠﺐ ﺑﻪ ﻧﺘﯿﺠﻪ دﻟﺨﻮاه ﺧﻮﯾﺶ ﻧﻤﯽ رﺳﻨﺪ. ﺣﻮزهٔ◌ ﺗﺤﻘﯿﻖ ﺟﺪﯾﺪی ﺑﻪ ﻣﻨﻈﻮر ﮐﻤﮏ ﺑﻪ ﮐﺎرﺑﺮان در ﺟﻬﺖ دﺳﺘﺮﺳﯽ ﺑﻪ اﻃﻼﻋﺎت ﻣﻮرد ﻋﻼﻗﻪ ﺧﻮﯾﺶ در ﻣﯿﺎن ﺣﺠﻢ ﻋﻈﯿﻤﯽ از داده ﻫﺎی ﻣﺮﺗﺒﻂ و ﻧﺎﻣﺮﺗﺒﻂ ﭘﺪﯾﺪار ﺷﺪ ﮐﻪ ﺑﻪ ﺳﯿﺴﺘﻢ ﻫﺎی ﺗﻮﺻﯿﻪ ﮔﺮ ﺷﻨﺎﺧﺘﻪ ﻣﯽ ﺷﻮﻧﺪ. ﺳﯿﺴﺘﻢ ﻫﺎی ﺗﻮﺻﯿﻪ ﮔﺮ در ﺟﻬﺖ رﻓﻊ ﻣﺸﮑﻞ ﺳﺮرﯾﺰ اﻃﻼﻋﺎﺗﯽ و ﻫﻤﭽﻨﯿﻦ ﮐﻤﮏ ﺑﻪ ﮐﺎرﺑﺮان در ﭘﯿﺪا ﮐﺮدن ﻋﻼﻗﻪ ﻣﻨﺪی ﻫﺎی ﺧﻮد ﺑﻪ وﺟﻮد آﻣﺪه اﻧﺪ ﮐﻪ در اﯾﻦ ﻣﻘﺎﻟﻪ ﺳﯿﺴﺘﻢ ﺗﻮﺻﯿﻪ ﮐﻨﻨﺪه رژﯾﻢ ﻏﺬاﯾﯽ ﻣﻌﺮﻓﯽ ﻣﯽ ﮔﺮدد. اﯾﻦ ﺳﯿﺴﺘﻢ از اﻃﻼﻋﺎت ﺷﺨﺼﯽ ﺳﻼﻣﺖ ﻓﺮد (ﻣﺎﻧﻨﺪ ﻗﺪ، وزن، ﺟﻨﺴﯿﺖ و ...) ﺑﻪ ﻋﻨﻮان ﻣﻨﺎﺑﻊ اﻃﻼﻋﺎت اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﺪ. در اﯾﻦ روش ﺑﺎ اﺳﺘﻔﺎده از روش ﻓﯿﻠﺘﺮ ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﺤﺘﻮا، ﻏﺬاﻫﺎی ﻣﺸﺎﺑﻪ ﻣﻮرد ﻋﻼﻗﻪ ﮐﺎرﺑﺮ را ﯾﺎﻓﺘﻪ و ﺳﭙﺲ ﺑﺮ اﺳﺎس روش ﻣﺒﺘﻨﯽ ﺑﺮ داﻧﺶ ﺑﻪ ﻣﺪل ﺳﺎزی ﮐﺎرﺑﺮ و ﻓﯿﻠﺘﺮ ﮐﺮدن ﻏﺬاﻫﺎ ﺑﺮ اﺳﺎس ﺑﯿﻤﺎری و اﻃﻼﻋﺎت ﺷﺨﺼﯽ ﮐﺎرﺑﺮ ﻣﯽ ﭘﺮدازد. ﻫﺪف ﻣﺎ ﺗﻮﺳﻌﻪ ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﻮﺻﯿﻪ ﮔﺮ رژﯾﻢ ﻏﺬاﯾﯽ ﻓﺮدی ﺑﺎ ﺗﺮﮐﯿﺒﯽ از ﻋﻼﻗﻪ ﻣﻨﺪی ﮐﺎرﺑﺮ و در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺑﻬﺒﻮد بیماری و حفظ سلامت وی است.
Nowadays, having a huge increase in variety of foods and its availableness for people, mixed with lack of a
healthy dietary, increases the possibility of dietary diseases as much. At the other hand, with the internet
growing, people have access a huge amount of information about foods, diseases and how to avoid prevalence of
illness. The problem is that this information spreads everywhere, and most important, it is not trustable .
Recommender system is the concept that emerged to solve this problem, helping people to find their required
information among a huge outspread resource like internet. In this article we use recommender systems to
suggest people a proper dietary advice .This system uses personal information of a user (like height, weight,
gender and…) as input information. Then we use content based filtering method to find similar and favorite
foods for user. Finally, we use a knowledge based algorithm to model and filter the foods based on his/her
disease type and personal information .Our goal is to develop a food dietary recommender system, to use as a
tool for curing and healing diseases, focusing on people healthiness. At the end, we show that our proposed
method have a considerably better performance in compare to older methods.
خلاصه ماشینی:
5 JENA Inference 6 BMI 7 Espín 8 Personal Health Recommender System اساس میزان شباهت غذاها قابل تشخیص است .
٤- روش تحقیق در این بخش یک چارچوب توصیه گر رژیم غذایی را معرفی مینماییم که به صورت معنایی علاقه مندی کاربر و آنچه بر اساس ویژگی بدن وی مناسب است را تشخیص داده و به کاربر غذای موردعلاقه و مناسب وی را پیشنهاد مینماید.
با استفاده از این نرم افزار میتوانیم انواع غذاها را بر اساس روش مورد نظر خود دسته بندی کرده و همچنین با توجه به مواد تشکیل دهنده هر یک ، میزان شباهت را بسنجیم .
٥- یافته های تحقیق جهت محاسبه میزان صحت غذاهای پیشنهادی برای یک کاربر از معادله (٣) استفاده شده است .
هدف از این پژوهش طراحی و ایجاد یک سیستم پیشنهاد دهنده ٔ مواد غذایی جهت بهبود بیماری و تضمین سلامت بدن است که به آن دست پیدا کرده ایم .
برای این کار معماری طراحی شده است که با استفاده از آن ابتدا غذاهای مورد علاقه کاربر بر اساس الگوریتم های محتوا محور، سپس با استفاده از روش مبتنی بر دانش ، بر اساس آناتومی بدن کاربر و نوع بیماری، غذای سالم مورد علاقه ٔ کاربر شناسایی شد.
سپس با استفاده از نرم افزار ویژوال استودیو، محاسبات مربوط به اطلاعات شخصی سلامت بدن کاربر انجام شد و در نهایت غذای سالم مورد علاقه کاربر برای هر وعده مشخص گردیده است .
Finally, we use a knowledge based algorithm to model and filter the foods based on his/her disease type and personal information .