論文の概要: Classification of Cuisines from Sequentially Structured Recipes
- arxiv url: http://arxiv.org/abs/2004.14165v1
- Date: Sun, 26 Apr 2020 05:40:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 13:37:36.625090
- Title: Classification of Cuisines from Sequentially Structured Recipes
- Title(参考訳): シーケンシャルなレシピによる料理の分類
- Authors: Tript Sharma, Utkarsh Upadhyay and Ganesh Bagler
- Abstract要約: 料理の特徴に基づく料理の分類は 際立った問題です。
我々は、RecipeDBデータセット上のこれらの情報を考慮し、様々な分類手法を実装した。
最先端のRoBERTaモデルは、様々な分類モデルの中で73.30%の精度を示した。
- 参考スコア(独自算出の注目度): 8.696042114987966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cultures across the world are distinguished by the idiosyncratic patterns in
their cuisines. These cuisines are characterized in terms of their
substructures such as ingredients, cooking processes and utensils. A complex
fusion of these substructures intrinsic to a region defines the identity of a
cuisine. Accurate classification of cuisines based on their culinary features
is an outstanding problem and has hitherto been attempted to solve by
accounting for ingredients of a recipe as features. Previous studies have
attempted cuisine classification by using unstructured recipes without
accounting for details of cooking techniques. In reality, the cooking
processes/techniques and their order are highly significant for the recipe's
structure and hence for its classification. In this article, we have
implemented a range of classification techniques by accounting for this
information on the RecipeDB dataset containing sequential data on recipes. The
state-of-the-art RoBERTa model presented the highest accuracy of 73.30% among a
range of classification models from Logistic Regression and Naive Bayes to
LSTMs and Transformers.
- Abstract(参考訳): 世界中の文化は、その料理の慣用的なパターンによって区別される。
これらの料理は、食材、調理工程、道具などのサブ構造で特徴付けられる。
地域固有のこれらのサブ構造の複雑な融合は、料理のアイデンティティを定義する。
料理の特徴に基づく料理の正確な分類は目覚ましい問題であり、レシピの具材を特徴として考慮して解決しようと試みられている。
これまでの研究では、調理技術の詳細を考慮せずに、非構造的なレシピを用いて料理分類を試みた。
実際には、調理工程や技術とその順序はレシピの構造や分類において非常に重要である。
本稿では,レシピに関するシーケンシャルデータを含むレシピデータベースデータセット上で,この情報を考慮し,様々な分類手法を実装した。
最先端のRoBERTaモデルはロジスティック回帰やネイブベイズからLSTMやトランスフォーマーまで、様々な分類モデルの中で73.30%の精度を示した。
関連論文リスト
- Towards Automated Recipe Genre Classification using Semi-Supervised
Learning [4.177122099296939]
Assorted, Archetypal, and Annotated 200 Million Extended (3A2M+ Cooking Recipe dataset")というデータセットを提示する。
このデータには、タイトル、NER、方向、拡張NERなどの様々な特徴と、パン屋、飲み物、非野菜、野菜、ファーストフード、穀物、食事、側面、融合などのジャンルを表す9つの異なるラベルが含まれている。
従来の機械学習、ディープラーニング、事前訓練された言語モデルを用いてレシピをそれぞれのジャンルに分類し、全体的な精度は98.6%に達した。
論文 参考訳(メタデータ) (2023-10-24T10:03:27Z) - KitchenScale: Learning to predict ingredient quantities from recipe
contexts [13.001618172288198]
KitchenScaleは、レシピのコンテキストからターゲットの材料量と測定単位を予測するモデルである。
本稿では,成分測定型分類,単位分類,量回帰タスクの3つのサブタスクからなる成分量予測タスクを定式化する。
新たに構築したデータセットとレコメンデーションの例での実験では、さまざまなレシピコンテキストに対するKitchenScaleの理解が示されています。
論文 参考訳(メタデータ) (2023-04-21T04:28:16Z) - 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) - A generative grammar of cooking [4.053883224043761]
基礎となる料理論理をキャプチャする生成文法を提案する。
構造化されたレシピの広範なリポジトリを研究することにより、料理合成のコアシステムを特定する。
栄養障害や生活習慣障害における食品の中枢的な役割を考えると、料理文法は公衆衛生を改善するのに有効である。
論文 参考訳(メタデータ) (2022-10-12T06:34:23Z) - Learning Structural Representations for Recipe Generation and Food
Retrieval [101.97397967958722]
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。
提案モデルは高品質でコヒーレントなレシピを作成でき、ベンチマークRecipe1Mデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-10-04T06:36:31Z) - Classifying States of Cooking Objects Using Convolutional Neural Network [6.127963013089406]
主な目的は、調理プロセスをより簡単で安全にし、人間の福祉を創ることである。
ロボットは調理環境を理解し,特に調理対象の状態を正確に認識することが重要である。
このプロジェクトでは、料理物の状態をスクラッチから分類するための堅牢な深層畳み込みニューラルネットワークを設計するために、実験の一部が実施された。
論文 参考訳(メタデータ) (2021-04-30T22:26:40Z) - 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) - A Recipe for Creating Multimodal Aligned Datasets for Sequential Tasks [48.39191088844315]
調理領域では、ウェブは、同じ料理を作る方法を記述したテキストとビデオのレシピを多数提供している。
我々は、同じ料理の異なるレシピの指示間のペアワイズアライメントを学習する教師なしアライメントアルゴリズムを使用する。
次に、グラフアルゴリズムを用いて、同じ料理のための複数のテキストと複数のビデオレシピの協調的なアライメントを導出する。
論文 参考訳(メタデータ) (2020-05-19T17:27:00Z) - A Named Entity Based Approach to Model Recipes [9.18959130745234]
本稿では,この一様構造におけるレシピの最良の表現を推論するパイプラインだけでなく,レシピを正確に表現できる構造を提案する。
レシピのingredientsセクションは通常、必要な材料と、量、温度、処理状態などの対応する属性をリストアップする。
指示部は、これらの器具や具材に調理技術や工程を適用する一連の事象を列挙する。
論文 参考訳(メタデータ) (2020-04-25T16:37:26Z)
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。