Cet article présente une nouvelle méthode de calcul des données de composition alimentaire pour les recettes indiennes, utilisant le graphe de connaissances alimentaires indien (FKG[. ]in) et un modèle de langage à grande échelle (LLM). Nous présentons un flux de travail automatisé d'analyse de la composition alimentaire, en nous concentrant sur ses fonctions principales : l'agrégation de données nutritionnelles, l'analyse de la composition alimentaire et la résolution d'informations basée sur le LLM. Ce flux de travail complète le FKG[. ]in et vise à enrichir de manière itérative les données de composition alimentaire à partir d'une base de connaissances validée. Nous soulignons également les défis liés à la représentation des aliments indiens et à l'accès numérique aux données de composition alimentaire, en examinant trois sources majeures de données : le tableau de composition alimentaire indien, la banque de données nutritionnelle indienne et l'API Nutritionix. Nous décrivons brièvement comment les utilisateurs interagissent avec le flux de travail pour obtenir des recommandations santé basées sur le régime alimentaire et des informations détaillées sur la composition alimentaire de diverses recettes. Nous explorons les défis complexes de l'analyse des informations sur les recettes indiennes sous de multiples aspects, tels que la structure, le multilinguisme et l'incertitude, et présentons les recherches en cours sur les solutions basées sur le LLM pour relever ces défis. La méthode proposée basée sur l’IA pour la conservation des connaissances et la résolution des informations est indépendante de l’application et peut être reproduite dans tous les domaines.
