Calcolo semiautomatico dell'indice di mediterraneità di dataset di ricette estratte dal World Wide Web

It is known that a healthy and balanced diet brings multiple benefits to human health. The Mediterranean diet is an example of this concept because it can reduce the risk of cardiovascular diseases or other illnesses such as diabetes. The biggest problem people run into while trying to follow a diet is the difficulty in correctly managing all the information about food and about the possible diet transgressions. During the digital age, this problem can be overcome by using software that can help the user identify the right steps to follow the diet correctly, thanks to the application of different artificial intelligence techniques. The main purpose of this thesis is to understand if the recipes contained in different online databases follow the Mediterranean diet guidelines and how much they do it. In the first part of the thesis, a scraping architecture was built with the usage of Python language to extract, analyze, and insert new recipes found in the World Wide Web into a database. In the second part of the thesis, once again by coding in Python, a system was created to obtain the ontological classification of the recipe’s food by using two ontologies, PerkApp and Wikidata. In this way, it is possible to get taxonomical information about the eaten food to count the portions indicated by the Mediterranean diet guidelines. The third and last phase of the thesis’ project provides for a diet simulation of a generic user. This simulation uses the recipes datasets found in the database to get a Mediterranean score, which is a record that indicates how much the diet follows the principles of the Mediterranean dietetic pattern. Moreover, thanks to this part of the thesis it was possible to understand which among the three datasets was the best according to the Mediterranean score.

È noto a tutti che una dieta sana ed equilibrata apporta dei benefici per la salute dell'individuo. La dieta mediterranea ne è un esempio, in quanto si è dimostrato come sia in grado di ridurre il rischio di malattie cardiovascolari o altre patologie come il diabete. Il problema più grande che le persone incontrano nel tentativo di seguire una dieta è la difficoltà nel gestire correttamente le informazioni sui cibi e le possibili trasgressioni alla dieta stessa. Nell'era digitale questo può essere risolto tramite l'uso di software che, attraverso l'utilizzo di diverse tecniche di intelligenza artificiale, possono aiutare l'utente a identificare quali siano i passi giusti per seguire la dieta in modo corretto. Lo scopo principale di questa tesi è comprendere se e quanto le ricette contenute in alcune basi di dati online aderiscono ai principi della dieta mediterranea. Nella prima parte del lavoro di tesi, tramite l'uso del linguaggio Python, è stata costruita un’architettura di scraping per estrarre, analizzare e inserire in un database delle nuove ricette provenienti dal World Wide Web. Nella seconda parte della tesi, ancora tramite l'uso del linguaggio Python, si è costruito un sistema per la classificazione ontologica degli alimenti della ricetta utilizzando due ontologie, PerKApp e Wikidata. In questo modo, è possibile ottenere informazioni tassonomiche sul cibo consumato in modo tale da conteggiare le porzioni di riferimento date dalle linee guida della dieta mediterranea. Infine, in una terza fase del lavoro di tesi, si è implementata una simulazione della dieta di un utente utilizzando i tre dataset di ricette contenuti nel database in modo da poter ottenere un indice di mediterraneità, ossia un punteggio che indica quanto la dieta segua i principi del pattern dietetico mediterraneo. Inoltre, grazie alla simulazione si è potuto comprendere quale dei tre dataset costruiti sia il migliore rispetto all'indice di mediterraneità.