|
Title
|
سیستم توصیه گر غذا مبتنی بر معیارهای سلامت و ذائقه ی کاربر با استفاده از یادگیری عمیق
|
|
Type of Research
|
Thesis
|
|
Keywords
|
سیستم توصیه گر، توصیه گر غذا، یادگیری عمیق، معیارهای سلامت، ذائقه ی کاربر، غذا
|
|
Abstract
|
تنوع بسیار زیاد غذاها و همچنین وجود ذائقه های غذایی متفاوت بین افراد، انتخاب غذای مناسب و مطابق با ذائقه غذایی افراد برای وعده های غذایی متفاوت را تبدیل به کاری دشوار کرده است. به علاوه، معیارهای سلامت نیز در انتخاب غذای مناسب بسیار مهم هستند. در نتیجه لازم است موازنه ای بین ذائقه ی فرد و معیارهای سلامت برقرار شود. از این رو، نیاز به سیستمی برای توصیه و انتخاب غذای مناسب براساس این معیارها وجود دارد. سیستم توصیه گر غذا با ایجاد مدلی بر اساس ذائقه ی کاربر، با توجه به انتخاب ها و امتیازهای قبلی او و همچنین در نظر گرفتن معیارهای سلامت و با توجه به وضعیت جسمی، بیماری ها و آلرژی های کاربر، غذای مناسبی را برای او توصیه می کند. با توجه به اهمیت ویژه ی حوزه ی سلامت و هشدارهای سازمان بهداشت جهانی در خصوص گسترش بیماری های مرتبط با تغذیه، هدف مهم دیگر سیستم های توصیه گر غذا، اصلاح ذائقه ی کاربر و سوق دادن او به سمت مصرف غذاهای سالم و متناسب با وضعیت جسمی و سلامت او است.
|
|
Researchers
|
(Student)، Mahdi Hashemzadeh (Primary Advisor)، Nacer Farajzadeh (Advisor)
|