論文の概要: Monte Carlo Tree Search for Recipe Generation using GPT-2

• arxiv url: http://arxiv.org/abs/2401.05199v1
• Date: Wed, 10 Jan 2024 14:50:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-11 14:33:28.960829
• Title: Monte Carlo Tree Search for Recipe Generation using GPT-2
• Title（参考訳）: gpt-2を用いたモンテカルロ木探索によるレシピ生成
• Authors: Karan Taneja and Richard Segal and Richard Goodwin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.8057006406834466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic food recipe generation methods provide a creative tool for chefs to explore and to create new, and interesting culinary delights. Given the recent success of large language models (LLMs), they have the potential to create new recipes that can meet individual preferences, dietary constraints, and adapt to what is in your refrigerator. Existing research on using LLMs to generate recipes has shown that LLMs can be finetuned to generate realistic-sounding recipes. However, on close examination, these generated recipes often fail to meet basic requirements like including chicken as an ingredient in chicken dishes. In this paper, we propose RecipeMC, a text generation method using GPT-2 that relies on Monte Carlo Tree Search (MCTS). RecipeMC allows us to define reward functions to put soft constraints on text generation and thus improve the credibility of the generated recipes. Our results show that human evaluators prefer recipes generated with RecipeMC more often than recipes generated with other baseline methods when compared with real recipes.
• Abstract（参考訳）: 自動調理法は、シェフが新しく興味深い料理の楽しみを探求し、作り出すための創造的なツールを提供する。 最近の大言語モデル(llm)の成功を考えると、彼らは個々の好み、食事の制約を満たし、冷蔵庫にあるものに適応できる新しいレシピを作る可能性を秘めている。 LLMを使ってレシピを生成する既存の研究は、LCMを微調整して現実的なレシピを生成することができることを示した。 しかし、精査の際、鶏料理の具材として鶏肉などの基本的要件を満たさないことが多い。 本稿では,モンテカルロ木探索(MCTS)に依存する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,ヒト評価者は実際のレシピと比較して,他のベースライン法で生成するレシピよりも,RecipeMCで生成したレシピの方が好まれることがわかった。

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)
• 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)
• 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)
• 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。