論文の概要: RecipeGPT: Generative Pre-training Based Cooking Recipe Generation and Evaluation System

• arxiv url: http://arxiv.org/abs/2003.02498v1
• Date: Thu, 5 Mar 2020 09:25:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 06:42:12.658523
• Title: RecipeGPT: Generative Pre-training Based Cooking Recipe Generation and Evaluation System
• Title（参考訳）: RecipeGPT:生成前訓練に基づく調理レシピ生成と評価システム
• Authors: Helena H. Lee, Ke Shu, Palakorn Achananuparp, Philips Kokoh Prasetyo, Yue Liu, Ee-Peng Lim, Lav R. Varshney
• Abstract要約: 本稿では,新しいオンラインレシピ生成・評価システムであるRecipeGPTを紹介する。 システムは、所定のレシピタイトルと材料からの指示生成と、レシピタイトルと調理指示からの材料生成の2つのモードを提供する。 バックエンドテキスト生成モジュールは、大規模な調理レシピデータセットに基づいて微調整された生成事前学習言語モデルGPT-2を備える。
• 参考スコア（独自算出の注目度）: 29.150333060513177
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interests in the automatic generation of cooking recipes have been growing steadily over the past few years thanks to a large amount of online cooking recipes. We present RecipeGPT, a novel online recipe generation and evaluation system. The system provides two modes of text generations: (1) instruction generation from given recipe title and ingredients; and (2) ingredient generation from recipe title and cooking instructions. Its back-end text generation module comprises a generative pre-trained language model GPT-2 fine-tuned on a large cooking recipe dataset. Moreover, the recipe evaluation module allows the users to conveniently inspect the quality of the generated recipe contents and store the results for future reference. RecipeGPT can be accessed online at https://recipegpt.org/.
• Abstract（参考訳）: ここ数年、大量のオンライン料理レシピのおかげで、料理レシピの自動生成への関心が着実に高まっている。 本稿では,新しいレシピ生成・評価システムであるRecipeGPTを紹介する。 本システムでは,(1)レシピのタイトルと材料からの指示生成,(2)レシピのタイトルと調理指導からの要素生成,の2つのテキスト生成モードを提供する。 バックエンドテキスト生成モジュールは、大きな料理レシピデータセット上に微調整された生成型事前学習言語モデルgpt-2を含む。 また、レシピ評価モジュールにより、ユーザが生成したレシピコンテンツの品質を簡便に検査し、結果を保存して将来の参照を行うことができる。 RecipeGPTはhttps://recipegpt.org/.comでアクセスすることができる。

関連論文リスト

• Monte Carlo Tree Search for Recipe Generation using GPT-2 [0.8057006406834466]
  モンテカルロ木探索(MCTS)を利用したGPT-2を用いたテキスト生成手法であるRecipeMCを提案する。 RecipeMCにより、報酬関数を定義し、テキスト生成にソフト制約を課し、生成したレシピの信頼性を向上させることができる。 以上の結果から,ヒト評価者はRecipeMCで生成したレシピを,他のベースライン法で生成したレシピよりも好んでいることがわかった。
  論文  参考訳（メタデータ） (2024-01-10T14:50:46Z)
• Large Language Models as Sous Chefs: Revising Recipes with GPT-3 [56.7155146252028]
  我々は、複雑で多様で広く使われている指示の例としてレシピに焦点を当てている。 我々は、レシピと材料リストに基づいたプロンプトを開発し、レシピをより単純なステップに分解する。 また,レシピリビジョンの品質の人的判断を収集しながら,疲労軽減を念頭に設計したAmazon Mechanical Turkタスクにも貢献する。
  論文  参考訳（メタデータ） (2023-06-24T14:42:43Z)
• Counterfactual Recipe Generation: Exploring Compositional Generalization in a Realistic Scenario [60.20197771545983]
  本研究では,材料の変化に応じて基本レシピを変更するようモデルに依頼する,反現実的なレシピ生成タスクを設計する。 料理の知識を学習するモデルのために、中国語で大規模なレシピデータセットを収集する。 その結果、既存のモデルでは原文のスタイルを保ちながら素材の変更が困難であり、調整が必要なアクションを見逃すことがしばしばあった。
  論文  参考訳（メタデータ） (2022-10-20T17:21:46Z)
• Ratatouille: A tool for Novel Recipe Generation [2.458554997628989]
  Ratatouilleは、新しいレシピを生成するWebベースのアプリケーションである。 LSTM や GPT-2 などの様々なディープラーニングモデルを大量のレシピデータで訓練した。
  論文  参考訳（メタデータ） (2022-05-10T11:20:19Z)
• Assistive Recipe Editing through Critiquing [34.1050269670062]
  RecipeCritは階層的な自動エンコーダで、材料レベルの批判をレシピで編集する。 私たちの研究の主な革新は、ユーザーが予測された材料と対話することでレシピを編集できる教師なしのクオリティリングモジュールです。
  論文  参考訳（メタデータ） (2022-05-05T05:52:27Z)
• SHARE: a System for Hierarchical Assistive Recipe Editing [5.508365014509761]
  SHARE: 食生活制限のある家庭料理人を支援する階層的補助レシピ編集システムについて紹介する。 私たちの階層的なレシピエディタは、レシピの成分リストに必要な置換を行い、新しい成分を利用するための方向を書き換えます。 1つのレシピが7つの食事制約のうちの1つを満たす84k組の類似レシピのレシピペアデータセットを紹介する。
  論文  参考訳（メタデータ） (2021-05-17T22:38:07Z)
• Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
  食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。 ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。 本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-02T10:54:25Z)
• Multi-modal Cooking Workflow Construction for Food Recipes [147.4435186953995]
  ワークフロー構築のための最初の大規模データセットであるMM-ReSを構築した。 本稿では、視覚情報とテキスト情報の両方を利用して調理ワークフローを構築するニューラルエンコーダデコーダモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-20T18:31:25Z)
• Decomposing Generation Networks with Structure Prediction for Recipe Generation [142.047662926209]
  本稿では,構造予測を伴うDGN(Decomposing Generation Networks)を提案する。 具体的には,調理指導を複数のフェーズに分割し,各フェーズに異なるサブジェネレータを割り当てる。 提案手法は, (i) 大域的構造予測成分を用いてレシピ構造を学習し, (ii) 予測された構造に基づいてサブジェネレータ出力成分でレシピ相を生成するという2つの新しいアイデアを含む。
  論文  参考訳（メタデータ） (2020-07-27T08:47:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。