Este artículo presenta un método novedoso para calcular datos de composición alimentaria de recetas indias mediante el Gráfico de Conocimiento de Alimentos de la India (FKG[. ]in) y un modelo de lenguaje a gran escala (LLM). Proporcionamos una descripción general de un flujo de trabajo automatizado para el análisis de la composición alimentaria, centrándonos en sus funciones principales: agregación de datos nutricionales, análisis de la composición alimentaria y resolución de información basada en LLM. Este flujo de trabajo complementa a FKG[. ]in y busca enriquecer iterativamente los datos de composición alimentaria a partir de una base de conocimiento validada. También destacamos los desafíos de representar alimentos indios y acceder digitalmente a los datos de composición alimentaria, examinando tres fuentes principales de datos de composición alimentaria: el Gráfico de Composición de Alimentos de la India, el Banco de Datos de Nutrición de la India y la API de Nutritionix. Describimos brevemente cómo los usuarios interactúan con el flujo de trabajo para obtener recomendaciones de salud basadas en la dieta e información detallada sobre la composición alimentaria de diversas recetas. Exploramos los complejos desafíos de analizar la información de recetas indias en múltiples dimensiones, como la estructura, el multilingüismo y la incertidumbre, y presentamos la investigación en curso sobre soluciones basadas en LLM para abordar estos desafíos. El método basado en IA propuesto para la curación de conocimientos y la resolución de información es independiente de la aplicación y se puede replicar en todos los dominios.
