論文の概要: Counterfactual Recipe Generation: Exploring Compositional Generalization
in a Realistic Scenario
- arxiv url: http://arxiv.org/abs/2210.11431v1
- Date: Thu, 20 Oct 2022 17:21:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 14:43:31.940537
- Title: Counterfactual Recipe Generation: Exploring Compositional Generalization
in a Realistic Scenario
- Title（参考訳）: 事実的レシピ生成:リアルシナリオにおける構成的一般化の探求
- Authors: Xiao Liu, Yansong Feng, Jizhi Tang, Chengang Hu, Dongyan Zhao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 60.20197771545983
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: People can acquire knowledge in an unsupervised manner by reading, and
compose the knowledge to make novel combinations. In this paper, we investigate
whether pretrained language models can perform compositional generalization in
a realistic setting: recipe generation. We design the counterfactual recipe
generation task, which asks models to modify a base recipe according to the
change of an ingredient. This task requires compositional generalization at two
levels: the surface level of incorporating the new ingredient into the base
recipe, and the deeper level of adjusting actions related to the changing
ingredient. We collect a large-scale recipe dataset in Chinese for models to
learn culinary knowledge, and a subset of action-level fine-grained annotations
for evaluation. We finetune pretrained language models on the recipe corpus,
and use unsupervised counterfactual generation methods to generate modified
recipes. Results show that existing models have difficulties in modifying the
ingredients while preserving the original text style, and often miss actions
that need to be adjusted. Although pretrained language models can generate
fluent recipe texts, they fail to truly learn and use the culinary knowledge in
a compositional way. Code and data are available at
https://github.com/xxxiaol/counterfactual-recipe-generation.
- Abstract（参考訳）: 人々は教師なしの方法で知識を入手し、知識を組み立てて新しい組み合わせを作ることができる。
本稿では,事前学習した言語モデルが,現実的な環境下で構成一般化を行うことができるかどうかを考察する。
具体的レシピ生成タスクをデザインし、モデルに対して、成分の変化に応じてベースレシピを変更するように要求する。
このタスクでは、新しい成分をベースレシピに組み込む表面レベルと、成分の変化に関連する調整アクションのより深いレベルという2つのレベルでの組成の一般化が必要である。
料理の知識を学習するためのモデルと、評価のためのアクションレベルの細かいアノテーションのサブセットを中国語で収集する。
レシピコーパス上で事前学習した言語モデルを微調整し、教師なしの偽造法を用いて修正レシピを生成する。
その結果,既存のモデルでは原文スタイルを維持しながら素材の修正が困難であり,調整が必要な動作を欠くことが多かった。
事前学習された言語モデルは、流麗なレシピテキストを生成することができるが、真の学習に失敗し、構文知識を合成的に使用できない。
コードとデータはhttps://github.com/xxxiaol/counterfactual-recipe-generationで入手できる。
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) - 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) - Towards Fine-Dining Recipe Generation with Generative Pre-trained
Transformers [1.167576384742479]
そこで本研究では,トランスフォーマーを用いて,スクラッチから新しい微調整レシピを作成する方法を提案する。
食品レシピの小さなデータセットが与えられた場合、我々は、調理技術を特定するためにモデルを訓練し、新しいレシピを提案し、最小限のデータで微調整のパワーをテストする。
論文 参考訳（メタデータ） (2022-09-26T15:33:09Z) - 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) - 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) - 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) - 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。