有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
MealRec+|饮食推荐数据集|健康评估数据集
收藏arXiv2024-04-28 更新2024-06-21 收录
下载链接：
https://github.com/WUT-IDEA/MealRecPlus
下载链接
链接失效反馈资源简介：
MealRec+数据集是由武汉理工大学研究团队创建的，旨在支持个性化和健康饮食推荐的研究。该数据集包含7280条记录，涵盖了餐食与菜品之间的关联信息，以及用户与餐食的交互数据。创建过程中，研究团队采用了模拟方法，从用户与菜品交互数据中推导出餐食与菜品的关联及用户与餐食的交互。此外，数据集还利用了世界卫生组织和英国食品标准局的两个著名营养标准来计算餐食的健康评分。MealRec+数据集的应用领域主要集中在通过分析用户偏好和餐食健康性，提供更健康的餐食推荐，以促进用户的健康饮食习惯。
提供机构：
武汉理工大学
创建时间：
2024-04-08
AI搜集汇总
数据集介绍
构建方式
MealRec+数据集的构建采用了模拟方法，基于用户-课程交互数据模拟用户的用餐会话，从而推导出餐食-课程关联和用户-餐食交互。具体步骤包括：首先，根据课程名称短语与课程类别的映射表，确定每道课程的类别；其次，通过模拟用户的用餐会话，生成餐食-课程关联和用户-餐食交互数据；最后，基于协同过滤原则，挖掘潜在的交互数据以扩展数据规模。此外，数据集还采用了世界卫生组织和英国食品标准局的营养标准来计算餐食的健康评分。
使用方法
MealRec+数据集可用于研究个性化与健康性相结合的餐食推荐算法。研究人员可以通过该数据集探索双层交互学习的协同效应，并验证不同推荐模型在个性化推荐和健康性提升方面的表现。数据集还可用于开发基于营养标准的健康餐食推荐系统，帮助用户选择更健康的饮食方案。
背景与挑战
背景概述
MealRec+ 是一个专注于个性化与健康饮食推荐的餐食推荐数据集，由武汉理工大学的李明、林丽等研究人员于2024年提出。该数据集的创建旨在填补现有餐食推荐研究中缺乏公开数据集的问题，特别是包含餐食与菜品关联（meal-course affiliation）的数据集。MealRec+ 通过模拟用户的用餐会话，基于用户与菜品的交互数据生成餐食与菜品的关联关系，并结合世界卫生组织和英国食品标准局的营养标准，计算餐食的健康评分。该数据集为研究个性化与健康饮食推荐提供了重要的数据支持，推动了健康相关推荐系统的发展。
当前挑战
MealRec+ 数据集在构建过程中面临多重挑战。首先，餐食推荐领域的研究长期缺乏包含餐食与菜品关联的公开数据集，导致现有研究难以探索不同层次交互（如用户-菜品交互与用户-餐食交互）之间的协同效应。其次，数据收集过程中，用户健康隐私和餐食场景的特殊性使得获取真实的用户-餐食交互数据极为困难。为解决这一问题，研究人员采用了模拟方法，基于用户-菜品交互数据生成餐食与菜品的关联关系。此外，如何在推荐过程中平衡个性化与健康性也是一个重要挑战，现有模型往往倾向于推荐用户偏好的不健康餐食，这需要通过健康导向的推荐方法加以改进。
常用场景
经典使用场景
MealRec+ 数据集在个性化与健康饮食推荐领域具有广泛的应用场景。该数据集通过模拟用户用餐会话，生成了包含用户-菜品交互、用户-餐次交互以及餐次-菜品关联的复杂关系数据。这些数据为研究者提供了丰富的实验基础，尤其是在探索用户偏好与健康饮食之间的平衡时，MealRec+ 能够支持多种推荐算法的开发与验证。
解决学术问题
MealRec+ 数据集解决了健康饮食推荐领域中长期存在的数据缺失问题。传统的数据集往往缺乏餐次-菜品关联信息，导致研究者难以深入探索用户在不同层次交互中的偏好。MealRec+ 通过模拟方法生成了这些关键数据，使得研究者能够更好地理解用户偏好与健康饮食之间的关系，并开发出更具个性化的推荐系统。
实际应用
在实际应用中，MealRec+ 数据集可以用于开发个性化的健康饮食推荐系统。通过分析用户的饮食偏好与健康评分，系统能够为用户提供符合其口味且营养均衡的餐次推荐。这种推荐系统不仅适用于个人用户，还可以在餐饮服务、健康管理等领域发挥重要作用，帮助用户养成健康的饮食习惯。
数据集最近研究
最新研究方向
近年来，MealRec+数据集在个性化与健康饮食推荐领域引起了广泛关注。该数据集通过模拟用户用餐会话，结合用户-菜品和用户-餐食的交互数据，填补了现有研究中缺乏公开的包含餐食-菜品关联的推荐数据集的空白。研究重点集中在如何通过协同学习用户-菜品和用户-餐食的交互，提升推荐的个性化和健康性。实验表明，适当的协同学习方法能够显著提高推荐效果，尤其是在健康饮食推荐方面。此外，针对实验中发现的推荐结果偏向不健康餐食的现象，研究者探索了通过硬过滤和重加权等后处理方法提升推荐健康性的策略。这些研究为构建个性化且健康的饮食推荐系统提供了新的思路，推动了AI在公共健康领域的应用。
相关研究论文
- 1MealRec$^+$: A Meal Recommendation Dataset with Meal-Course Affiliation for Personalization and Healthiness武汉理工大学 · 2024年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国农村金融统计数据
该数据集包含了中国农村金融的统计信息，涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类，提供了详细的农村金融发展状况。
www.pbc.gov.cn 收录
中国食物成分数据库
食物成分数据比较准确而详细地描述农作物、水产类、畜禽肉类等人类赖以生存的基本食物的品质和营养成分含量。它是一个重要的我国公共卫生数据和营养信息资源，是提供人类基本需求和基本社会保障的先决条件；也是一个国家制定相关法规标准、实施有关营养政策、开展食品贸易和进行营养健康教育的基础，兼具学术、经济、社会等多种价值。 本数据集收录了基于2002年食物成分表的1506条食物的31项营养成分（含胆固醇）数据，657条食物的18种氨基酸数据、441条食物的32种脂肪酸数据、130条食物的碘数据、114条食物的大豆异黄酮数据。
国家人口健康科学数据中心 收录
Subway Dataset
该数据集包含了全球多个城市的地铁系统数据，包括车站信息、线路图、列车时刻表、乘客流量等。数据集旨在帮助研究人员和开发者分析和模拟城市交通系统，优化地铁运营和乘客体验。
www.kaggle.com 收录
MOOCs Dataset
该数据集包含了大规模开放在线课程（MOOCs）的相关数据，包括课程信息、用户行为、学习进度等。数据主要用于研究在线教育的行为模式和学习效果。
www.kaggle.com 收录
HazyDet
HazyDet是由解放军工程大学等机构创建的一个大规模数据集，专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例，收集自自然雾霾环境和正常场景中人工添加的雾霾效果，以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型，确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测，旨在提高无人机在复杂环境中的感知能力。
arXiv 收录