Fugu-MT 論文翻訳(概要): A topological analysis of the space of recipes

論文の概要: A topological analysis of the space of recipes

arxiv url: http://arxiv.org/abs/2406.09445v1
Date: Wed, 12 Jun 2024 01:28:16 GMT
ステータス: 処理完了
システム内更新日: 2024-06-17 17:54:01.932240
Title: A topological analysis of the space of recipes
Title（参考訳）: レシピ空間のトポロジカル解析
Authors: Emerson G. Escolar, Yuta Shimada, Masahiro Yuasa,
Abstract要約: 本稿では、料理レシピの空間を研究するために、トポロジカルデータ分析、特に永続的ホモロジーの利用を紹介する。特に、永続的ホモロジー分析は、既存のレシピの空間におけるマルチスケールの「穴」を取り巻く一連のレシピを提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, the use of data-driven methods has provided insights into underlying patterns and principles behind culinary recipes. In this exploratory work, we introduce the use of topological data analysis, especially persistent homology, in order to study the space of culinary recipes. In particular, persistent homology analysis provides a set of recipes surrounding the multiscale "holes" in the space of existing recipes. We then propose a method to generate novel ingredient combinations using combinatorial optimization on this topological information. We made biscuits using the novel ingredient combinations, which were confirmed to be acceptable enough by a sensory evaluation study. Our findings indicate that topological data analysis has the potential for providing new tools and insights in the study of culinary recipes.
Abstract（参考訳）: 近年、データ駆動手法の使用は、料理レシピの背後にある基本的なパターンや原則に関する洞察を与えている。本稿では,料理レシピの空間を研究するために,トポロジカルデータ解析,特に永続的ホモロジーの利用を紹介する。特に、永続的ホモロジー分析は、既存のレシピの空間におけるマルチスケールの「穴」を取り巻く一連のレシピを提供する。そこで我々は,このトポロジ情報に対する組合せ最適化を用いて,新しい成分の組み合わせを生成する手法を提案する。新規成分の組み合わせを用いてビスケットを作製し, 感覚評価研究により十分な許容性が確認された。以上の結果から, トポロジカルデータ分析は, 料理レシピ研究に新たなツールや洞察を提供する可能性があることが示唆された。

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)
FoodPuzzle: Developing Large Language Model Agents as Flavor Scientists [51.97629078968826]
本稿では,フレーバープロファイルの抽出と理解のための仮説の創出として概念化されたフレーバーサイエンスにおける科学エージェントのための新しい問題領域を提案する。そこで本研究では,テキスト内学習と検索技術を統合したScientific Agentアプローチを提案する。実験結果から,フレーバープロファイル予測タスクにおいて,本モデルが従来の手法をはるかに上回っていることが示唆された。
論文参考訳（メタデータ） (2024-09-19T15:07:35Z)
RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
論文参考訳（メタデータ） (2024-07-17T16:49:34Z)
Food Pairing Unveiled: Exploring Recipe Creation Dynamics through Recommender Systems [0.0]
西洋料理では、レシピの材料は偶然に予想されるよりも多くのフレーバーを共有していることが多い。我々の研究は、データセットに最先端の協調フィルタリング技術を適用します。レシピの具体的外観や、食品間での香料成分の共有を考慮し、コメンデーターを2つの方法で作成する。
論文参考訳（メタデータ） (2024-06-21T13:45:42Z)
CookingSense: A Culinary Knowledgebase with Multidisciplinary Assertions [23.21190348451355]
CookingSenseは、さまざまなソースから抽出された料理領域における知識アサーションの記述的なコレクションである。 CookingSenseは辞書ベースのフィルタリングと言語モデルに基づくセマンティックフィルタリング技術によって構築されている。本稿では,料理意思決定支援システム評価のための新しいベンチマークであるFoodBenchを紹介する。
論文参考訳（メタデータ） (2024-05-01T13:58:09Z)
Learning to Substitute Ingredients in Recipes [15.552549060863523]
食材代替によるパーソナライゼーションは、食生活のニーズや嗜好を満たすこと、潜在的なアレルゲンを避けること、およびすべての台所での料理探索を容易にする可能性がある。標準化された分割、評価指標、ベースラインを備えた置換ペアのデータセットで構成されたベンチマークを構築します。 Ingredient Substitution Module (GISMo) は、レシピのコンテキストと、グラフ内にエンコードされた一般的な成分関係情報を利用して、妥当な代替品のランク付けを行う新しいモデルである。我々は、GISMoが平均的相互ランクにおいて、最高のパフォーマンスベースラインをはるかに上回っているという総合的な実験的検証を通して示す。
論文参考訳（メタデータ） (2023-02-15T21:49:23Z)
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)
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)
Cross-modal Retrieval and Synthesis (X-MRS): Closing the modality gap in shared subspace [21.33710150033949]
本稿では,食品画像からレシピへの検索問題に対処するために,共有サブスペース学習のためのシンプルで斬新なアーキテクチャを提案する。公開Recipe1Mデータセットの実験的解析により,提案手法を用いて学習した部分空間が,現在の最先端技術よりも優れていることが示された。学習した部分空間の表現力を示すために,レシピの埋め込みを前提とした生成食品画像合成モデルを提案する。
論文参考訳（メタデータ） (2020-12-02T17:27:00Z)
Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
論文参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。