Fugu-MT 論文翻訳(概要): Attention-based Ingredient Phrase Parser

論文の概要: Attention-based Ingredient Phrase Parser

arxiv url: http://arxiv.org/abs/2210.02535v1
Date: Wed, 5 Oct 2022 20:09:35 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 16:18:55.970450
Title: Attention-based Ingredient Phrase Parser
Title（参考訳）: 注意に基づく成分句パーサ
Authors: Zhengxiang Shi, Pin Ni, Meihui Wang, To Eun Kim and Aldo Lipani
Abstract要約: そこで本研究では,レシピの成分句を構造体にパースし,その属性を0.93F1スコア以上で解析できる新しい成分解析モデルを提案する。実験の結果,AllRecipesとFood.comのデータセット上での最先端のパフォーマンスが得られた。
参考スコア（独自算出の注目度）: 3.499870393443268
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As virtual personal assistants have now penetrated the consumer market, with products such as Siri and Alexa, the research community has produced several works on task-oriented dialogue tasks such as hotel booking, restaurant booking, and movie recommendation. Assisting users to cook is one of these tasks that are expected to be solved by intelligent assistants, where ingredients and their corresponding attributes, such as name, unit, and quantity, should be provided to users precisely and promptly. However, existing ingredient information scraped from the cooking website is in the unstructured form with huge variation in the lexical structure, for example, '1 garlic clove, crushed', and '1 (8 ounce) package cream cheese, softened', making it difficult to extract information exactly. To provide an engaged and successful conversational service to users for cooking tasks, we propose a new ingredient parsing model that can parse an ingredient phrase of recipes into the structure form with its corresponding attributes with over 0.93 F1-score. Experimental results show that our model achieves state-of-the-art performance on AllRecipes and Food.com datasets.
Abstract（参考訳）: 仮想パーソナルアシスタントが消費者市場に浸透し、SiriやAlexaなどの製品が登場し、研究コミュニティはホテルの予約、レストランの予約、映画レコメンデーションといったタスク指向の対話タスクをいくつも作り出している。ユーザによる料理支援は、知的なアシスタントによって解決されると思われるタスクのひとつであり、ユーザに対して、名前、単位、量などの材料とその属性を正確かつ迅速に提供する必要がある。しかし、調理ウェブサイトから抽出された既存の食材情報は、「1ニンニククローブ、破砕」や「1(8オンス)パッケージクリームチーズ、軟化」など、語彙構造が大きく変化した非構造であり、正確な情報抽出は困難である。料理作業に携わって成功した会話サービスを提供するため、レシピの具体的句を0.03f1-score以上の属性で構造形式にパースできる新しい具体的構文解析モデルを提案する。実験の結果,AllRecipesとFood.comのデータセット上での最先端のパフォーマンスが得られた。

関連論文リスト

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)
RecipeMind: Guiding Ingredient Choices from Food Pairing to Recipe Completion using Cascaded Set Transformer [15.170251924099807]
RecipeMindは、食品親和性スコア予測モデルであり、他の成分セットに材料を追加することの適合性を定量化する。食品親和性スコア予測におけるレシピミンドの学習・評価のために, 成分共起に基づくスコアを含む大規模データセットを構築した。
論文参考訳（メタデータ） (2022-10-14T06:35:49Z)
A Rich Recipe Representation as Plan to Support Expressive Multi Modal Queries on Recipe Content and Preparation Process [24.94173789568803]
機械理解可能なリッチレシピ表現(R3)の構築について論じる。 R3には、アレルゲンに関する情報や成分のイメージなどの追加の知識が注がれている。また,レシピ検索ツールであるTREATをR3を用いて,レシピの内容に対するマルチモーダル推論を行う。
論文参考訳（メタデータ） (2022-03-31T15:29:38Z)
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)
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)
CHEF: Cross-modal Hierarchical Embeddings for Food Domain Retrieval [20.292467149387594]
本稿では,食品画像検索と検索タスクにおける画像とテキストの潜伏表現を協調的にモデル化する,新たなクロスモーダル学習フレームワークを提案する。本研究では,効率的な木構造長短期記憶を計算クロスモーダル検索フレームワークのテキストエンコーダとして利用することにより,レシピ記述の主成分や調理動作を明示的な監督なしに識別できることを実証した。
論文参考訳（メタデータ） (2021-02-04T11:24:34Z)
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 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。