本文探讨了基于集成主题建模的用户建模和食谱推荐技术，提出了一种智能用户建模策略，能够快速捕捉用户偏好。研究表明，该方法在个性化推荐方面优于传统方法。此外，介绍了AI4Food-NutritionFW框架和NutritionVerse数据集，旨在提高膳食摄入估计的准确性，并推动机器学习在营养感知中的应用。

本文介绍了NutritionVerse-Synth数据集，包含84,984张合成食物图像及相关膳食信息，旨在提高膳食摄入估计的准确性。研究利用机器学习和计算机视觉技术，开发了多种膳食估计方法，并发布了NutritionVerse-Real数据集，推动营养感知的开放倡议。