論文の概要: Assistive Recipe Editing through Critiquing

• arxiv url: http://arxiv.org/abs/2205.02454v1
• Date: Thu, 5 May 2022 05:52:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 14:25:45.617967
• Title: Assistive Recipe Editing through Critiquing
• Title（参考訳）: 批評による補助的レシピ編集
• Authors: Diego Antognini, Shuyang Li, Boi Faltings, Julian McAuley
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 34.1050269670062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There has recently been growing interest in the automatic generation of cooking recipes that satisfy some form of dietary restrictions, thanks in part to the availability of online recipe data. Prior studies have used pre-trained language models, or relied on small paired recipe data (e.g., a recipe paired with a similar one that satisfies a dietary constraint). However, pre-trained language models generate inconsistent or incoherent recipes, and paired datasets are not available at scale. We address these deficiencies with RecipeCrit, a hierarchical denoising auto-encoder that edits recipes given ingredient-level critiques. The model is trained for recipe completion to learn semantic relationships within recipes. Our work's main innovation is our unsupervised critiquing module that allows users to edit recipes by interacting with the predicted ingredients; the system iteratively rewrites recipes to satisfy users' feedback. Experiments on the Recipe1M recipe dataset show that our model can more effectively edit recipes compared to strong language-modeling baselines, creating recipes that satisfy user constraints and are more correct, serendipitous, coherent, and relevant as measured by human judges.
• Abstract（参考訳）: 最近は、オンラインレシピデータの提供によって、ある種の食事制限を満たす料理レシピの自動生成への関心が高まっている。 以前の研究では、事前訓練された言語モデルや、小さなペアのレシピデータ(例えば、食事の制約を満たす類似のレシピと組み合わせたレシピ)に頼っていた。 しかし、事前学習された言語モデルは一貫性のないレシピや一貫性のないレシピを生成し、ペアのデータセットは大規模に利用できない。 これらの欠陥を,成分レベルの批判を編集する階層的な自動エンコーダである recipecrit で解決する。 モデルはレシピ内で意味関係を学ぶために、レシピ補完のためにトレーニングされます。 我々の研究の主な革新は、ユーザーが予測された材料と相互作用してレシピを編集できる教師なしのクオリティクティングモジュールである。 Recipe1Mレシピデータセットの実験により、我々のモデルは強力な言語モデルベースラインよりも効率的にレシピを編集でき、ユーザーの制約を満たすレシピを作成し、人間の判断によって測定されるように、より正確で、セレンディピティーで、一貫性があり、関連性が高い。

関連論文リスト

• Retrieval Augmented Recipe Generation [96.43285670458803]
  本稿では,レシピ生成のための拡張型大規模マルチモーダルモデルを提案する。 既存のデータストアからサプリメントとして、イメージにセマンティックに関連付けられたレシピを検索する。 生成したレシピ候補間の一貫性を計算し、異なる検索レシピを生成のコンテキストとして使用する。
  論文  参考訳（メタデータ） (2024-11-13T15:58:50Z)
• 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)
• Cross-lingual Adaptation for Recipe Retrieval with Mixup [56.79360103639741]
  近年,大規模なペアリングデータの提供により,クロスモーダルなレシピ検索が研究の注目を集めている。 本稿では,ソース領域とターゲット領域のレシピが異なる言語で作成される画像からレシピ検索のための教師なし領域適応について検討する。 2つの領域間の移動可能な埋め込み特徴を学習するために,新しいレシピ・ミックスアップ法を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:04:39Z)
• 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)
• Revamping Cross-Modal Recipe Retrieval with Hierarchical Transformers and Self-supervised Learning [17.42688184238741]
  近年, 生活における食品の重要性から, クロスモーダルなレシピ検索が注目されている。 本稿では,テキストおよび画像のエンコーダの確立と高性能化に基づく,簡易なエンド・ツー・エンドモデルを提案する。 提案手法は,Recipe1Mデータセットのクロスモーダルレシピ検索タスクにおける最新性能を実現する。
  論文  参考訳（メタデータ） (2021-03-24T10:17:09Z)
• 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)
• 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)
• RecipeGPT: Generative Pre-training Based Cooking Recipe Generation and Evaluation System [29.150333060513177]
  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。
  論文  参考訳（メタデータ） (2020-03-05T09:25:30Z)

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。