Il grounding di ARETHE
Quando ARETHE ti suggerisce un piatto, non inventa: poggia su scienza reale e citata. Qui la rendiamo leggibile per tutti — non un riassunto generato da un modello, ma le voci vere del nostro Knowledge Graph, ognuna ancorata alla sua fonte e al suo grado di certezza.
Ogni scoperta porta un colore che dice, senza gonfiare, quanto è solida la sua fonte.
La regola non negoziabile
Listeria monocytogenes è un patogeno intracellulare facoltativo, psicrotollerante e Gram-positivo responsabile della listeriosi; la malattia si manifesta come gastroenterite non invasiva negli immunocompetenti e come batteriemia, meningite o aborto negli immunocompromessi.
La Salmonella comprende oltre 2.600 sierovars classificati e figura tra i principali agenti patogeni di gastroenterite a trasmissione alimentare nel mondo, con un continuum di trasmissione che va dall'allevamento alla tavola.
Il Campylobacter (in particolare C. jejuni) è la principale causa di malattia diarroica batterica trasmessa dagli alimenti a livello mondiale; nell'UE è la zoonosi più frequentemente segnalata da almeno cinque anni consecutivi, con 190.566 casi confermati nel solo 2008 e stime EFSA di 2–20 milioni di casi effettivi annui.
S. aureus provoca circa 241.000 malattie l'anno negli Stati Uniti, con un costo economico totale di circa 167,6 milioni di dollari annui (695 $/caso); l'incidenza reale è sottostimata perché la SFD sporadica non è soggetta a notifica obbligatoria.
Vibrio parahaemolyticus è un batterio Gram-negativo alofilo ubiquitario negli ambienti estuarini e costieri di tutto il mondo; fu isolato per la prima volta da Fujino in Giappone nel 1950 dopo un'epidemia associata al consumo di shirasu, con 272 malati e 20 morti.
Le aflatossine sono metaboliti secondari poliketidici prodotti principalmente da Aspergillus flavus, A. parasiticus e A. nomius; le quattro forme principali (AFB1, AFB2, AFG1, AFG2) differiscono per struttura chimica e tossicità (AFB1 > AFG1 > AFB2 > AFG2), mentre AFM1 e AFM2 sono metaboliti idrossilati secreti nel latte e nelle urine.
Questa revisione sistematica (JBI/PRISMA-ScR) ha incluso 152 studi (2011–2020) da 43 paesi ed e la prima mappa globale delle concentrazioni di arsenico (As), piombo (Pb), cadmio (Cd), mercurio (Hg), metilmercurio (MeHg) e alluminio (Al) negli alimenti non trasformati o minimamente trasformati.
L'adulterazione alimentare è definita come l'aggiunta intenzionale di sostanze estranee o inferiori agli alimenti originali a scopo di lucro, tramite miscelazione, sostituzione, etichettatura falsa, vendita di alimenti decomposti o aggiunta di sostanze tossiche.
Cosa accade quando cucini
La gastronomia molecolare è stata definita nel marzo 1988 da Hervé This e Nicholas Kurti come la disciplina scientifica che studia i meccanismi dei fenomeni che avvengono durante la preparazione e il consumo dei piatti — distinta dalla cucina, dalla tecnologia alimentare e dalla cosiddetta 'cucina scientifica'.
La reazione di Maillard è una reazione di imbrunimento non enzimatico tra gruppi nucleofili (amminici o tiolati, provenienti da amminoacidi, peptidi e proteine) e gruppi carbonilici (da zuccheri riducenti, prodotti di ossidazione dei lipidi, degradazione della vitamina C), scoperta da Louis Camille Maillard nel 1912.
L'imbrunimento enzimatico nei prodotti ortofrutticoli è mediato dalla polifenolo ossidasi (PPO, EC 1.10.3.1), un enzima rame-dipendente che ossida i fenoli in chinoni, i quali si polimerizzano in melanine insolubili di colore bruno in seguito a danni tissutali (taglio, sbucciatura, affettatura).
La cottura sous-vide (sacchetti sottovuoto, 50–85 °C) minimizza la degradazione nutrizionale e qualitativa degli alimenti muscolari rispetto ai metodi termici convenzionali ad alta temperatura.
L'albume di pollo (EW) è composto per circa l'88% di acqua, l'11% di proteine, lo 0,2% di grassi e lo 0,8% di ceneri; le centinaia di proteine che contiene vengono sfruttate nell'industria alimentare, biologica e farmaceutica.
Il trattamento UHT (135–145 °C per 2–3 secondi) sterilizza il latte bovino eliminando i microrganismi patogeni sporigeni e prolunga la conservabilità a temperatura ambiente fino a 6–12 mesi, ma provoca modificazioni fisico-chimiche e strutturali irreversibili sia nelle caseine (80% delle proteine totali) sia nelle proteine del siero (20%).
La produzione del formaggio ha origini che risalgono a circa 8.000 anni fa in Asia occidentale; oggi oltre 130 paesi producono formaggio per una produzione globale di circa 2×10^7 tonnellate, senza che esista un processo produttivo universalmente codificato.
Gli alimenti fermentati mostrano tendenze di consumo in crescita a livello globale e assolvono funzioni che spaziano dalla conservazione alla sicurezza alimentare, dal miglioramento nutrizionale al benessere sociale, coinvolgendo una diversità microbica elevata.
I batteri lattici (LAB) sono microrganismi Gram-positivi, asporogenici, generalmente immobili che fermentano i carboidrati producendo acido lattico (omofermentativi) o acido lattico insieme ad acido acetico, etanolo e CO2 (eterofermentativi), e sono responsabili delle proprietà organolettiche e salutistiche degli alimenti fermentati.
Otto tecnologie di lavorazione alimentare non termica vengono esaminate: campo elettrico pulsato (PEF), trattamento ad alta pressione (HPP), ultrasuoni, luce pulsata (PL), radiazione UV-C, radiazione ionizzante, trattamento all'ozono e plasma freddo — classificate in sei metodi fisici e due chimici.
Il Comitato scientifico BIOHAZ dell'EFSA ha emesso questo parere scientifico nel 2022 su mandato della Commissione europea, valutando l'efficacia e la sicurezza dell'HPP (trattamento ad alta pressione) in tre ambiti: alimenti in generale, latte e colostro crudi di ruminanti, alimenti RTE associati alla listeriosi umana.
La liofilizzazione (freeze-drying) è un processo di disidratazione in cinque fasi — pretrattamento, congelamento, essiccazione primaria (sublimazione), essiccazione secondaria (desorbimento) e gestione post-essiccazione — in cui il controllo preciso dei parametri in ciascuna fase determina la qualità del prodotto finale.
I prodotti a base di carne stagionata irlandesi (bacon, prosciutto, gammon, corned beef, lingua di bue, salumi fermentati) si basano su sale e sali di nitrito/nitrato di sodio e potassio (E249-E252) come agenti stagionanti; il Regolamento UE 2023/2108 ha ridotto significativamente i livelli massimi autorizzati di nitrito (da 150 mg/kg NaNO2 a 80 mg/kg di ione nitroso come input), con scadenza ottobre 2025 e due anni di adattamento per gli operatori del settore.
La pastorizzazione termica (65–85°C) inattiva i microrganismi patogeni vegetativi e gli enzimi endogeni nelle verdure, mentre il deterioramento della qualità (colore, texture, sapore, perdita di nutrienti) segue leggi cinetiche prevedibili di ordine zero, primo o secondo, o il modello di potenza di Weibull, con dipendenza dalla temperatura descritta dall'equazione di Arrhenius.
La crescita microbica negli alimenti a bassa umidità — un problema persistente di sicurezza alimentare — risulta più strettamente correlata alla mobilità molecolare dell'acqua che all'attività dell'acqua (a_w) come dimostra Debaryomyces hansenii in matrici solide liofilizzate di glucosio/WPI.
L'amido resistente (RS) comprende cinque tipi (RS1–RS5) classificati in base alla fonte e al processo; la modificazione fisica converte l'amido digeribile in RS principalmente promuovendo le frazioni RS2 (granulare non gelatinizzata) e RS3 (retrogradazione) senza reagenti chimici.
Erbe e spezie culinarie contengono concentrazioni di polifenoli (prevalentemente acidi fenolici e flavonoidi) paragonabili o superiori ad altri alimenti ricchi di polifenoli come broccoli, cioccolato fondente e bacche, soprattutto nelle forme essiccate.
Le emulsioni alimentari sono sistemi termodinamicamente instabili a struttura multifase e multiscala; la loro destabilizzazione spontanea avviene attraverso sei vie fisico-chimiche principali: affioramento (creaming), sedimentazione, flocculazione, coalescenza, maturazione di Ostwald e inversione di fase, ciascuna con una firma meccanicistica distinta.
Delahaije e Wierenga (2022) stabiliscono un legame quantitativo, monotono ma auto-saturante, tra l'idrofobicità superficiale esposta di una proteina e la sua capacità di formare schiume, usando cinque varianti del lisozima di albume d'uovo di gallina ottenute per trattamento termico progressivo (77 °C, 0–120 min).
L'ossidazione lipidica è il principale parametro di qualità negli alimenti; i metodi si dividono in diretti (misurano i prodotti di ossidazione) e indiretti (misurano le conseguenze, come le variazioni sensoriali).
La frittura profonda (150-200 °C) innesca tre vie di degradazione interconnesse negli oli commestibili: ossidazione radicalica a catena con formazione di idroperossidi e prodotti secondari (aldeidi, chetoni); idrolisi dei trigliceridi per azione dell'umidità degli alimenti con liberazione di acidi grassi liberi (AGL), glicerolo e gliceridi parziali; polimerizzazione termica con formazione di composti polari non volatili di massa 692-1600 Da.
La produzione del cioccolato si articola in cinque fasi (fermentazione, essiccazione, tostatura, concaggio, temperaggio), ciascuna responsabile di trasformazioni chimiche distinte; fermentazione e tostatura sono le più chimicamente attive.
Perche un piatto funziona
Il dolce è la modalità gustativa evolutivamente preferita negli esseri umani e nella maggior parte dei mammiferi, documentata già nel feto grazie alla preferenza per i composti dolci nel liquido amniotico.
I recettori del gusto amaro di tipo 2 (T2R) sono recettori accoppiati a proteina G (GPCR) espressi sulle cellule delle gemme gustative dei vertebrati; costituiscono il substrato molecolare del rilevamento di composti amari, consentendo agli animali di evitare sostanze potenzialmente tossiche.
L'OMS propone di ridurre l'apporto di NaCl del 35% entro il 2025 nelle principali categorie alimentari; in quasi tutti i Paesi il consumo medio supera abbondantemente la soglia di 5 g/giorno, rendendo la riduzione del sodio una priorita inderogabile per l'industria alimentare.
Le cellule gustative che esprimono il recettore per il calcio (CaSR) nelle papille circumvallate del topo rispondono alle sostanze kokumi (GSH, γEVG, cinacalcet) con aumenti transitori di Ca2+ intracellulare; il 6,5% delle cellule gustative (34/524) risponde al γEVG, in stretta corrispondenza con la stima immunoistochimica del 6,8% di cellule CaSR-positive.
L'astringenza è una sensazione orale complessa — descritta come secchezza, rugosità e rimpicciolimento dell'epitelio — prodotta dall'interazione di composti astringenti (polifenoli, tannini, acidi organici/inorganici, agenti disidratanti, sali polivalenti, alcune proteine) con la cavità orale, modulata da fattori individuali quali flusso salivare, età e dieta.
La percezione del sapore è un processo irriducibilmente dinamico: la concentrazione di molecole aromatiche all'epitelio olfattivo varia secondo per secondo durante la masticazione, governata sia dalla matrice alimentare sia dalla fisiologia individuale della processazione orale (masticazione, salivazione, deglutizione, comportamento del velo palatino).
Uno studio di citizen science condotto al Denver Museum of Nature and Science (n=394 adulti sani) ha dimostrato che la densità di papille fungiformi (FP) sulla lingua non predice in alcun modo l'intensità del gusto amaro da PROP.
Questa rassegna sintetizza 34 studi di analisi sensoriale descrittiva (DA) e 24 studi di accettabilità da parte del consumatore su prodotti alimentari tradizionali, etnici e di specialità pubblicati tra il 2000 e agosto 2018, identificati tramite le banche dati della Pusan National University con i termini 'descriptive sensory lexicon', 'descriptive sensory terminology' e 'consumer liking'.
Editoriale di un Numero Speciale di Foods (MDPI, 2024, DOI 10.3390/foods13050634, CC BY), redatto dal DIBAF dell'Università della Tuscia (Viterbo), che sintetizza 12 studi sulla chimica degli aromi alimentari e la valutazione sensoriale pubblicati tra il 2022 e il 2024.
Il ponte tra scienza e storie
Ahnert (2013) propone la 'gastronomia computazionale' come disciplina emergente che applica il data mining e l'analisi delle reti alla chimica alimentare e alle pratiche culinarie, posizionandola accanto alla biologia computazionale e alle digital humanities come beneficiaria della rivoluzione dei big data.
FlavorGraph è un grafo eterogeneo su larga scala che integra 6.653 nodi-ingrediente, 1.561 nodi di composti aromatici e 84 nodi di composti farmacologici, collegati da 147.179 archi derivati dalla co-occorrenza NPMI in un milione di ricette (Recipe1M) e da dati chimici di FlavorDB e HyperFoods.
Lo studio applica metodi di gastronomia computazionale a 2.543 ricette curate provenienti da otto cucine regionali indiane (bengalese, gujarati, jainista, maharashtrana, mughal, punjabi, rajasthana, sudindiana), coprendo 194 ingredienti profilati per composti aromatici in 15 categorie.
Lo studio analizza 8.498 ricette provenienti dal portale cinese Meishijie (campionamento: aprile 2012), costruendo vettori TF-IDF di frequenza degli ingredienti per ciascuna cucina regionale e calcolando la similarità a coppie tramite correlazione di Pearson (PCC) e similarità coseno.
Makinei e Hazarika (2022) hanno applicato la metodologia delle reti di sapori della gastronomia computazionale alle ricette di otto sub-cucine dell'India nordorientale (Assam, Arunachal, Manipur, Meghalaya, Mizoram, Nagaland, Sikkim, Tripura), pubblicando i risultati in Current Research in Food Science (DOI: 10.1016/j.crfs.2022.05.015).
Analisi computazionale di 2.543 ricette tradizionali indiane distribuite in 8 sub-cucine (bengalese, gujarati, jain, maharashtriana, mughal, punjabi, rajasthani, indiana meridionale) rivela la firma di abbinamento gastronomico negativo più intensa mai documentata per qualsiasi cucina: Ns-bar reale = 5,876 contro 9,442 casuale; delta-Ns = -3,566; Z = -54,727.
Varshney et al. (2013) ha compilato un corpus di 4.133 ricette da 25 ricettari medievali europei (Inghilterra, Francia, Germania, Italia; 1300–1615 d.C.) per verificare se gli ingredienti che condividono composti aromatici chimici co-occorrono più del caso — l'ipotesi del flavor pairing.
Le frequenze d'uso degli ingredienti in quattro libri di cucina nazionali (brasiliano Dona Benta in tre edizioni 1946-2004, francese Larousse Gastronomique, britannico New Penguin Cookery Book, medievale Pleyn Delit) seguono una distribuzione universale di Zipf-Mandelbrot con esponente beta ≈ 1,31, indipendente dalla cultura e dal tempo.
La food-bridging hypothesis propone che due ingredienti privi di forte affinità molecolare diretta possano diventare affini attraverso una catena di affinità a coppie (percorsi semi-metrici) nella flavor network, complementando la food-pairing hypothesis.
Teng, Lin e Adamic analizzano 46.337 ricette e 1,97 milioni di recensioni da Allrecipes.com per costruire due reti di ingredienti: una rete di complementarità (PMI sulla co-occorrenza; due comunità principale savory/sweet più un satellite cocktail) e una rete di sostituzione (sostituzioni estratte via NLP dal testo delle recensioni, ponderate per probabilità condizionale p(b|a)).
Questo studio sviluppa e confronta sei classificatori di apprendimento supervisionato (RFC, LR, SVC, XGB, LGBM, DNN) per classificare le ricette di cucina in tre stili alimentari — giapponese, cinese e occidentale — utilizzando 604 caratteristiche testuali estratte da 8.183 ricette di una piattaforma giapponese di alimentazione sana.
Questo studio ha applicato classificatori ML a 75.000 ricette online (25.000 ciascuna da Xiachufang CN, Allrecipes US, Kochbar DE) rappresentate come vettori di composti aromatici derivati da FlavorDB (936 ingredienti, 2.254 molecole), esplorando le preferenze di gusto interculturali a livello molecolare.
La foto in due secondi
Min et al. (2019) definiscono formalmente il food computing come campo interdisciplinare che acquisisce e analizza dati alimentari eterogenei (immagini, ricette, video, log, segnali IoT) per cinque compiti fondamentali: percezione, riconoscimento, recupero, raccomandazione, previsione/monitoraggio, al servizio di quattro domini applicativi: salute, cultura, agricoltura e scienza alimentare.
ChineseFoodNet (185.628 immagini, 208 categorie, 19,4 GB) è il più grande dataset pubblicamente disponibile per il riconoscimento visivo della cucina cinese al momento della pubblicazione (ottobre 2017), costruito a partire dalla rete sociale culinaria Douguo e da fotografie raccolte sul campo.
ISIA Food-500 e un benchmark su larga scala per il riconoscimento di immagini di cibo composto da 399.726 immagini distribuite su 500 categorie, derivate dalla tassonomia Wikipedia 'Liste di alimenti per ingrediente' tramite un pipeline in quattro fasi (lista categorie, crawling multi-motore, pulizia automatica e manuale, ampliamento), presentato ad ACM Multimedia 2020.
Food2K è il più grande dataset di riconoscimento alimentare al momento della pubblicazione: 2.000 categorie e 1.036.564 immagini ottenute dalla piattaforma cinese di catering Meituan, superando i predecessori (es. ETH Food-101 con 101/101K) di circa un ordine di grandezza in entrambe le dimensioni.
Wu et al. (2021) introducono FoodSeg103, il primo dataset su larga scala per la segmentazione di immagini alimentari a livello di ingrediente: 7.118 immagini tratte da Recipe1M, annotate con 103 classi di ingredienti organizzate in 14 superclassi e circa 42.097 maschere pixel-precise.
Il riconoscimento automatico dei cibi nelle immagini è un problema di classificazione visiva particolarmente difficile: i piatti mancano di strutture spaziali stabili e gli ingredienti variano per forma, dimensione e colore in base alle tradizioni regionali.
FoodSAM è un framework zero-shot che integra il Segment Anything Model (SAM) di Meta AI con un segmentatore semantico convenzionale e un rilevatore di oggetti, ottenendo segmentazione semantica, a istanze, panoptica e guidata da prompt su immagini di cibo — il primo lavoro a realizzare tutte e quattro le modalità nel dominio alimentare.
IngredSAM è un framework one-shot senza addestramento che estende il Segment Anything Model (SAM) per la segmentazione semantica open-world degli ingredienti alimentari usando una singola immagine pulita come prompt categoriale.
Im2Calories (Myers et al., ICCV 2015) è un sistema end-to-end in cinque stadi che converte una singola fotografia di un pasto in una stima calorica, funzionante su un dispositivo Android standard.
Nutrition5k è un dataset di 5.066 piatti reali unici raccolti nelle mense del campus Google mediante un sistema robotico a cinque telecamere (quattro laterali a 1920x1080 + una Intel RealSense D435 zenitale) e una bilancia digitale con precisione di ±1 grammo che pesa ogni ingrediente prima della composizione del piatto.
La stima del volume degli alimenti è un passaggio critico ma problematico nella valutazione dietetica oggettiva; i metodi basati su modelli 3D richiedono intervento manuale, quelli stereoscopici richiedono acquisizioni multi-frame — entrambi falliscono su superfici a bassa tessitura o forme irregolari.
DPF-Nutrition è il primo sistema end-to-end a combinare predizione della profondità monoculare con fusione RGB-D per la stima dei nutrienti alimentari, richiedendo solo un'immagine RGB al momento dell'inferenza.
Il paper affronta la stima delle calorie di un pasto a partire da una singola immagine monoculare — la forma meno onerosa di valutazione dietetica automatica basata su immagini — introducendo una mappa di densità tensoriale in virgola mobile come rappresentazione intermedia, in sostituzione della mappa in scala di grigi a 8 bit (valori interi 0–255) usata dai metodi precedenti.
I metodi tradizionali di assessment dietetico soffrono di bias da recall; i metodi basati su immagine riducono il carico all'utente ma perdono l'informazione di profondità tridimensionale.
La valutazione dietetica basata su immagini (IBDA) automatizza il monitoraggio dell'apporto alimentare tramite fotografie, ma incontra un ostacolo matematico fondamentale: la proiezione di una scena 3D su un piano 2D distrugge la profondità metrica, rendendo la stima del volume da una singola immagine un problema mal posto (infinite configurazioni 3D generano la stessa proiezione 2D).
Recipe1M è un corpus strutturato di 1.029.720 ricette e 887.706 immagini estratte da oltre due dozzine di siti di cucina, suddiviso in training (70%), validazione e test; è il più grande dataset multi-modale per ricette disponibile al momento della pubblicazione, con il doppio delle ricette e otto volte le immagini rispetto al predecessore più grande.
Recipe1M+ è un corpus multimodale strutturato di 1.029.720 ricette di cucina e 13.735.679 immagini alimentari — il più grande dataset di ricette pubblicamente disponibile all'epoca della pubblicazione — raccolto da oltre 24 siti di cucina (Fase 1: Recipe1M con 887.706 immagini) e tramite ricerca di immagini su Google (Fase 2: +12,8 milioni di immagini dopo deduplicazione).
Salvador et al. 2019 (CVPR) presentano il primo sistema end-to-end capace di generare una ricetta completa (titolo, set di ingredienti, istruzioni di cottura passo per passo) a partire da una singola fotografia di cibo, inquadrando il problema come generazione condizionale multimodale anziché come recupero da un archivio.
Salvador et al. (2021) propongono un framework end-to-end semplificato per il recupero cross-modale di ricette, sostituendo i precedenti encoder LSTM con encoder basati su Transformer e ottenendo risultati allo stato dell'arte su Recipe1M.
FoodLMM è il primo modello multi-modale unificato (LMM) per il dominio alimentare, capace di svolgere sei compiti — classificazione del cibo, riconoscimento degli ingredienti, generazione di ricette, stima nutrizionale, segmentazione di riferimento e segmentazione per ragionamento — in un unico modello basato sull'architettura LISA (LLaVA + SAM).
Sei VLM di frontiera (GPT-4o, Gemini 2.0 Flash, Claude 3.5 Sonnet, Moondream-2B, DeepSeek Janus-Pro, LLaVA) vengono valutati sulla valutazione dietetica automatica da immagini alimentari mediante un nuovo database annotato da esperti (FoodNExTDB).
Il monitoraggio alimentare automatico basato su immagini risponde a un'urgenza clinica documentata: nel 2016 1,9 miliardi di adulti erano in sovrappeso e i diari alimentari manuali sottostimano l'apporto calorico fino al 30%.
Questa revisione sistematica ha analizzato 159 studi (PubMed e Scopus, luglio 2016-luglio 2021) includendone 78 su sistemi di riconoscimento alimentare basati su immagini (IBFRS) che combinano fotocamera mobile e visione artificiale per la valutazione dietetica.
Prima revisione sistematica PRISMA sui metodi di valutazione dell'intake alimentare basati su intelligenza artificiale (AI-DIA), che sintetizza 13 studi pubblicati dal 2017 al 2024 su una base iniziale di 1.679 record.
Zhang et al. (2021) è la prima meta-analisi delle ricerche di validazione sulle app di registrazione alimentare: 14 studi (2013–2019) identificati tramite ricerca sistematica PRISMA in Web of Science, PubMed, Medline e Google Scholar.
Studio esplorativo di fattibilità (n=20 adulti sani, Centre for Public Health Queen's University Belfast) che confronta un recall dietetico delle 24 ore condotto da solo con lo stesso recall potenziato dalle immagini della fotocamera indossabile Narrative Clip, portata passivamente per un giorno.
Il piatto giusto per te
BPR (Bayesian Personalized Ranking) riformula la raccomandazione di elementi come problema di ottimizzazione dell'ordinamento di coppie di oggetti per ogni utente, anziché prevedere punteggi assoluti, eliminando la contraddizione tra obiettivo di addestramento e metrica di valutazione basata sul ranking.
He et al. 2017 presentano NCF (Neural Collaborative Filtering), un framework generale che sostituisce il prodotto scalare della fattorizzazione matriciale con una rete neurale capace di apprendere funzioni di interazione arbitrarie a partire da feedback implicito binario (click, visualizzazioni, acquisti).
Zhang et al. 2018 è la rassegna sistematica di riferimento per i sistemi di raccomandazione basati sul deep learning, pubblicata su ACM Computing Surveys nel luglio 2018; copre oltre 100 modelli con una tassonomia a due livelli.
Wang et al. 2021 è la prima survey a proporre un enunciato del problema unificato per i sistemi di raccomandazione basati su sessioni (SBRS), definendo cinque entità formali — utente, oggetto, azione, interazione, sessione — e una formulazione di massimizzazione dell'utilità: l-hat = argmax f(c, l).
Le reti neurali su grafi (GNN) sono state adottate massicciamente nei sistemi di raccomandazione perché la maggior parte dei dati di tali sistemi — interazioni utente-oggetto, sequenze di comportamento, reti sociali, knowledge graph — ha struttura intrinsecamente grafica, e le GNN possono propagare esplicitamente i segnali collaborativi attraverso vicini a più hop in un unico framework unificato.
Questo è il primo survey sistematico dedicato ai sistemi di raccomandazione basati su apprendimento per rinforzo (RLRS), che analizza 97 articoli pubblicati tra il 1997 e settembre 2021.
La rassegna classifica oltre 40 sistemi di raccomandazione basati su grafi della conoscenza (2013-2020) in tre famiglie algoritmiche: metodi basati su embedding (vettori KGE integrati nel filtraggio collaborativo), metodi basati su cammini (meta-cammini e grafi eterogenei o embedding di cammini appresi), e metodi unificati (propagazione GNN su insiemi ripple multi-hop).
Santana & Domingues (2020) è la prima rassegna sistematica a mappare l'intersezione tra sistemi di raccomandazione contestuale (CARS), deep learning (DL) e modelli di embedding, coprendo il periodo 2014-2020.
Wu et al. (2024) classificano oltre 100 sistemi LLM-RS in due paradigmi principali: LLM Discriminativi per la Raccomandazione (DLLM4Rec, serie BERT) e LLM Generativi per la Raccomandazione (GLLM4Rec, serie GPT/T5/LLaMA); l'organizzazione sistematica del ramo generativo è rivendicata come prima nel genere.
I sistemi di raccomandazione sono ambienti multi-stakeholder per natura, ma la ricerca si è concentrata quasi esclusivamente sulla soddisfazione dell'utente finale; questo articolo propone la prima tassonomia architettonica unificata per correggere tale lacuna.
Trattner & Elsweiler 2017 è la prima rassegna sistematica dei sistemi di raccomandazione alimentare, che cataloga 25 articoli fondamentali dal pianificatore CBR di Hammond (1986) al sistema Yum-me con embedding CNN di Yang et al. (2017), coprendo quattro domini: ricette, piani alimentari, spesa e menu.
Anderson (2018) analizza i sistemi di raccomandazione alimentare lungo cinque casi d'uso principali: consegna di cibo, selezione di ristoranti, ricette e cucina, sostituzione di ingredienti e pianificazione di diete/pasti, esaminando circa 30 sistemi pubblicati.
Chen et al. (2023) propongono FKGM, un modello di raccomandazione alimentare salutare che ottimizza congiuntamente le preferenze dietetiche dell'utente e il suo fabbisogno nutrizionale personalizzato attraverso un'unica architettura multi-task.
NRKG è un sistema di raccomandazione alimentare basato su reti neurali a grafo convoluzionale (GCN) che aggiunge struttura nutrizionale al grafo standard utente-ricetta: un sotto-grafo di similarità alimentare nutrizionale (NRFSG) e vettori di preferenza macronutrizionale per utente.
I sistemi di raccomandazione di ricette hanno ignorato l'informazione relazionale che connette utenti, ricette e ingredienti; HGAT è proposto per colmare questa lacuna tramite apprendimento su grafi.
MOPI-HFRS (Sistema Multi-Obiettivo Personalizzato e Interpretabile per la Raccomandazione di Alimenti con Consapevolezza della Salute) è presentato a KDD 2025 come il primo framework a ottimizzare simultaneamente preferenza dell'utente, salute personalizzata (calibrata sul profilo medico individuale) e diversità nutrizionale tramite apprendimento Pareto su grafo bipartito cibo-utente.
Il lavoro presenta un framework a quattro moduli: simulazione di popolazioni tramite logica fuzzy, raccomandazione di menu basata su apprendimento per rinforzo (RL), valutazione dei risultati e selezione dell'algoritmo ottimale.
Scegliere senza fatica
Una ricerca sistematica su Web of Science, PubMed e PsycInfo, integrata da consultazione con otto esperti internazionali, ha identificato 19 framework esistenti per la classificazione degli interventi di cambiamento comportamentale.
Prima revisione sistematica e meta-analisi ristretta alle scelte alimentari discrete (43 studi, k=54-60 dimensioni dell'effetto, n circa 28.000-29.000 partecipanti) che applicano la Teoria del Comportamento Pianificato (TPB), escludendo esplicitamente gli studi su pattern alimentari generali.
Verstuyf et al. (2012) propongono la Teoria dell'Autodeterminazione (SDT) come framework motivazionale unificante per l'intera letteratura sulla regolazione dell'alimentazione.
Il mangiare emotivo — consumare cibo in risposta a emozioni negative anziché alla fame fisiologica — è definito come un fattore di rischio critico per il recupero ricorrente del peso corporeo e come una caratteristica transdiagnostica condivisa da sovrappeso/obesità, depressione, ansia e comportamenti alimentari non salutari.
Roberts et al. (2017) hanno condotto la prima revisione sistematica con meta-analisi degli interventi digitali di cambiamento del comportamento (DBCI) — siti web, app e messaggistica — mirati all'attività fisica (AF), alla dieta e al comportamento sedentario in adulti sopravvissuti al cancro; 15 studi soddisfacevano i criteri di inclusione.
Tutti e 13 gli studi sperimentali inclusi nella revisione confermano in modo unanime che porzioni più grandi causano un maggiore apporto calorico, con effetti di consumo spesso superiori al 30% rispetto alla porzione di controllo.
Un ritmo di alimentazione più veloce è associato a un maggiore apporto energetico nel corso del singolo pasto (effetto sulla sazietà intraprandiale), ma le prove che questo si traduca in un ridotto apporto al pasto successivo o in un intervallo interprandiale più breve sono deboli e inconsistenti.
Budget e obiettivi, insieme
Questa rassegna sistematica sintetizza 52 studi (2000–2016) che applicano la programmazione lineare (LP) all'ottimizzazione della dieta, coprendo applicazioni dall'aiuto alimentare umanitario alle linee guida dietetiche nazionali e alla pianificazione individuale.
Prima revisione sistematica e meta-analisi a quantificare le differenze di prezzo al dettaglio tra alimenti e schemi dietetici più sani è meno sani, aggregando 27 studi provenienti da 10 Paesi con prezzi standardizzati in dollari internazionali 2011 (corretti per inflazione e parità del potere d'acquisto della Banca Mondiale).
Questa revisione esplorativa (Miow et al. 2025, BMC Public Health) sintetizza 14 studi (2012-2025) sull'uso della programmazione lineare — principalmente il software WHO Optifood — per sviluppare raccomandazioni alimentari (FBR) per bambini sotto i cinque anni; 10 studi dall'Africa, 3 dall'Asia, 1 dalle Americhe.
Studio di ottimizzazione dietetica con programmazione lineare applicato a registri alimentari di 16 giorni di 174 adulti giapponesi (92 donne 31-69 anni, 82 uomini 32-69 anni) provenienti da tre regioni (Osaka, Nagano, Tottori), stratificati in quattro gruppi per sesso ed età (30-49 / 50-69 anni).
Lo studio introduce un modello di ottimizzazione non lineare (NLP) basato su un approccio a distanza dal target che massimizza simultaneamente la qualità nutrizionale (indice NRD9.3) e minimizza le emissioni di gas serra (GHG, dalla produzione al consumo) e il costo della dieta, aggregando i tre obiettivi in un'unica distanza euclidea normalizzata Dn.
CFRL è un algoritmo ibrido che combina il Q-learning profondo (DQN) con il filtraggio collaborativo basato su SVD per generare piani alimentari personalizzati che bilanciano adeguatezza nutrizionale, preferenza utente e accettazione.
Il PROTEIN AI Advisor è un framework di raccomandazione a due livelli: un livello qualitativo (RDSS) basato sull'ontologia NAct con inferenza fuzzy LiFR per pre-filtrare i pasti in base all'appropriatezza degli ingredienti, e un livello quantitativo (generatore NP) che ottimizza i piani alimentari giornalieri rispetto a valori target di macro e micronutrienti definiti da esperti e classificati come essenziali, desiderabili o non essenziali.
Il paper propone un algoritmo ibrido PSO-SA per risolvere il problema di inconsistenza nelle matrici di confronto a coppie dell’AHP nell’ambito della pianificazione personalizzata dei pasti, dove i criteri includono controllo glicemico, densità nutrizionale, palatabilità, comodità, gestione della pressione arteriosa, salute ossea ed facilità di preparazione.
L'etica del consiglio
Meta-analisi di 742 sistemi agricoli tratti da 164 pubblicazioni LCA (ricerca letteratura fino a luglio 2015), per oltre 90 alimenti prodotti principalmente in sistemi ad alto apporto di input; cinque indicatori ambientali valutati: emissioni di GHG, uso del suolo, consumo di energia fossile, potenziale di acidificazione e potenziale di eutrofizzazione (limite di sistema: dalla culla al cancello dell'azienda).
FAO e OMS (2019) hanno definito 16 principi guida per diete sane e sostenibili (SHD), raggruppati in aspetti sanitari (1-8), ambientali (9-13) e socio-culturali (14-16).