의사결정트리 기반 기계학습을 이용한 식품교환표 식품군 분류 모델
Classification Model of Food Groups in Food Exchange Table Using Decision Tree-based Machine Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서 우리는 기존 식품과 웹 크롤링으로 찾은 식품 데이터에 대해 기계학습으로 식품군을 분류하여 식품교환표를 갱신하기 위한 의사결정트리 기반의 기계학습 모델을 제안한다. 식품교환표는 영양 관리가 필요한 환자의 식이요법이나 다이어트 식단을 편성할 때 식품 교환 섭취에사용된다. 식단의 기준이 되는 식품교환표는 국민건강영양조사를 통한 개정과정에서 많은 인력과시간이 소요되어 새로운 식품이나 트렌드에 따른 식품 변화를 신속하게 반영하기 어렵다. 제안기법은 기존의 식품군을 바탕으로 새롭게 추가되는 식품을 분류하기 때문에 식품의 트렌드를 반영한 식품교환표 구성이 가능하다. 연구에서 제안 모델로 식품을 분류한 결과, 식품교환표의 식품군에 대한 정확도가 97.45%로 나타났으며, 본 식품 분류 모델은 병원, 요양원 등에서 식단 구성에활용도가 높을 것으로 전망된다.
Abstract
In this paper, we propose a decision tree-based machine learning model that leads to food exchange table renewal by classifying food groups through machine learning for existing food and food data found by web crawling. The food exchange table is the standard for food exchange intake when composing a diet such as diet and diet, as well as patients who need nutritional management. The food exchange table, which is the standard for the composition of the diet, takes a lot of manpower and time in the process of revision through the National Health and Nutrition Survey, making it difficult to quickly reflect food changes according to new foods or trends. Since the proposed technique classifies newly added foods based on the existing food group, it is possible to organize a rapid food exchange table reflecting the trend of food. As a result of classifying food into the proposed model in the study, the accuracy of the food group in the food exchange table was 97.45%, so this food classification model is expected to be highly utilized for the composition of a diet that suits your taste in hospitals and nursing homes.
참고문헌 (16)
- In-Depth Analysis of Food Consumption in Korea, "K. Lee", Korea Rual Economic Institute, 1~254 (2016)
- 홍석인, "미래지향적 식품산업 R&D 추진전략", 식품과학과 산업, 53(3), pp.307~315 (2020), 한국식품과학회
- J. Park, "Individualized Medical Nutrition Therapy for Diabetic Patients according to Diabetes Medication", Journal of Korean Diabetes, 23(1), pp.50~56 (2022)[DOI]
- "National Nutrition Statistics 2020"[URL]
- 윤진숙, "우리나라 저소득층 비만여성의 식사의 질과 식사섭취패턴 특성 분석 -2005 국민건강영양조사를 중심으로-", 대한지역사회영양학회지, 16(6), pp.706~715 (2011), 대한지역사회영양학회
- Y. S. Kim, "How to use the food table", Korean Institute of diabetes, 123, pp.44~45 (2000)
- 주달래, "2010 당뇨병 환자를 위한 식품교환표 개정", Journal of Nutrition and Health, 44(6), pp.577~591 (2011), 한국영양학회
- J. M. Choi, "Automatic Word Spacing of Korean Using Syllable and Morpheme", Applied Sciences, 11(2), pp.1~10 (2021)[DOI]
- J. Kim, "Food Exchange Table Organization Model Based on Decision Tree Using Machine Learning", The KIPS Spring Conference 2020, Korean Information Processing Society, 27(2) (2020)
- D. Benware, "Machine Learning Algorithms: How The Machine Learning Algorithms Work Behind The Scenes: Random Forest Algorithm Geeksforgeeks", Independently Published, ~ (2021)
- R. Rafael, "Induction of decision trees as classification models through metaheuristics", Swarm and Evolutionary Computation, 69(1), pp.101006~ (2022)[DOI]
- E. Park, "KoNLPy: Korean natural language processing in Python", 26th Annual Conference on Human and Language Technology, pp.133~136 (2014)
- 김나영, "한국어 텍스트 질의를 활용한 주식 정보 검색 및 분석 기법", 한국정보기술학회논문지, 20(9), pp.13~18 (2022), 한국정보기술학회[DOI]
- S. Hong, "Diabetes Nutrition Management and Food Exchange Table" (2019), University of Ulsan Publisher
- 10th revision Korean Food Composition Table, "Rural Development Administration", National Institute of Agricultural Sciences, ~ (2022)
- "Decision Tree Libraries of Machine Learning"[URL]