伝統的な中国医学による食事推奨のためのレバレッジ・アグメントされた大型言語モデル 食品ホモロジー:アルゴリズムの開発と検証

科学分野:

• 統合医療
• 医療における人工知能
• 知識表現と推論

背景:

• 伝統的な中国医学 (TCM) は,食事療法に医薬品食品ホモロジー (MFH) を利用しているが,自動化は専門知識への依存によって制限されている.
• 大規模な言語モデル (LLM) は医療において有望ですが TCMのような専門分野では 幻覚や知識のギャップにより困難です
• 不確実な知識グラフ (UKG) をリトリーバルの拡張生成 (RAG) を介してLLMに統合することで,MFHアプリケーションのこれらの制限に対処できます.

研究 の 目的:

• MFHベースの正確でパーソナライズされた食事の勧告を生成するためのLLMを強化するために設計された新しいフレームワークであるYaoshi-RAGを導入します.
• UKGを活用して,LLM主導のTCMダイエットアドバイスのための構造化,信頼性,およびドメイン特有の知識を提供すること.

主な方法:

• LLM駆動のオープン情報抽出を使用して,包括的なMFH知識グラフ (KG) を構築しました.
• MFH KGに欠けている情報を補うため,UKGの推論を用いた.
• ユーザのクエリをMFH KGにリンクする検索プロセスを開発し,迅速なエンジニアリングのための信頼性と重要性によって推論の経路をランク付けしました.

主要な成果:

• MFH KGには24,984の企業と29,292のトリプル企業があり,Yaoshi-RAGはLLMの業績を大幅に改善しました.
• MFH KGの統合により,LLMのHits@1の平均値が14.5%,F1の平均値が8.7%増加しました.
• DeepSeek-R1とYaoshi-RAGは84.2%のHits@1と71.5%のF1スコアを達成した.人間の評価は優れたパフォーマンスを確認した.

結論:

• Yaoshi-RAGは,UKGから得られた知識を統合することで,MFHベースの食事推奨のためのLLMを効果的に強化します.
• このフレームワークは,従来のTCMの知恵と高度なAIを統合し,個別化された,エビデンスに基づいたダイエットアドバイスを提供します.
• Yaoshi-RAGは,個人の健康ニーズに対応した,信頼できる正確なTCMの食事の勧告のための有望なアプローチを示しています.