Integrasi Data dan Visualisasi Graf pada Aplikasi Halal Nutrition Food
Notice bibliographique
Résumé
Halal Nutrition Food merupakan sebuah aplikasi pencarian produk halal berbasis web yang menampilkan berbagai informasi produk halal secara rinci yang didapatkan dari gabungan dataset yang diintegrasikan dalam bentuk Linked Open Data. Namun, saat ini, Halal Nutrition Food masih memiliki sedikit jumlah produk beserta informasinya dan juga masih belum memiliki visualisasi sehingga pengguna tidak dapat memiliki wawasan mengenai data dengan mudah. Open Food Fact merupakan open data produk makanan beserta informasinya yang berasal dari seluruh dunia. Untuk itu, perlu adanya integrasi data antara Open Food Fact dan Halal Nutrition Food. Kami hanya mengambil data produk yang memiliki bahan makanan dalam bahasa inggris dan perancis. Data tersebut dibersihkan melalui data cleansing yang di dalamnya terdapat pengukuran kesamaan bahan makanan menggunakan Levenshtein dan Jaccard distance untuk memperbaki kesalahan penulisan. Hasil data cleansing diintegrasikan ke Halal Nutrition Food. Untuk mengetahui kelompok makanan apa saja yang ada, data yang sudah dalam bentuk graf produk dan bahan makanan, dikelompokkan menggunakan METIS graph partitioning. Hasil data cleansing menunjukkan bahwa untuk memperbaiki kesalahan penulisan, Levenshtein distance lebih baik daripada Jaccard distance. Pengukuran kesamaan menggunakan Jaccard distance menunjukkan bahwa ada terlalu banyak bahan makanan yang mirip. Padahal, sebenarnya tidak ada kesalahan penulisan dan bahan makanan tersebut memiliki perbedaan arti. Produk dan bahan makanan dikelompokkan menjadi 20 kelompok, sesuai pengelompokan produk yang dilakukan oleh MUI. Hasil graph partitioning divisualisikan bersama dengan visualisasi graf hubungan produk dan bahan makanan, visualisasi graf produk makanan yang berstatus haram dan visualisasi graf produk makanan yang mengandung MSG. =================== Halal Nutrition Food is a web-based halal product search application featuring a variety of halal product information in detail obtained from a combined dataset that is integrated into the form of Linked Open Data. However, currently, Halal Nutrition Food still has a small number of products along with its information and also still has no visualization so users can not have insight into data easily. Open Food Fact is an open data of food products along with information from all over the world. So, there is a need for data integration between Open Food Fact and Halal Nutrition Food. We only collect food products in English and French from Open Food Fact. Those data are cleaned through data cleansing with similarity measurement using Levenshtein and Jaccard distance to correct typos. The data cleansing results are integrated into Halal Nutrition Food. To reveal what food product/ingredient clusters are, the data that already in the product and food graphs, are clustered using METIS graph partitioning. The data cleansing results show that to correct typos, the Levenshtein distance is better than the Jaccard distance. Jaccard distance similarity measurement shows that there are too many similar ingredients. In fact, there are no typos and those have the different meaning. Food products and ingredients are clustered into 20 clusters, according to the MUI product grouping. The results of graph partitioning are visualized along with graph visualization of food products and ingredients relationships, haram food products and food products that contain MSG.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,026 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».