論文の概要: Food Pairing Unveiled: Exploring Recipe Creation Dynamics through Recommender Systems
- arxiv url: http://arxiv.org/abs/2406.15533v1
- Date: Fri, 21 Jun 2024 13:45:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 21:11:12.498433
- Title: Food Pairing Unveiled: Exploring Recipe Creation Dynamics through Recommender Systems
- Title（参考訳）: 食品ペアリング:レコメンダーシステムによるレクリエーションのダイナミクスを探る
- Authors: Giovanni Palermo, Claudio Caprioli, Giambattista Albora,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: In the early 2000s, renowned chef Heston Blumenthal formulated his "food pairing" hypothesis, positing that if foods share many flavor compounds, then they tend to taste good when eaten together. In 2011, Ahn et al. conducted a study using a dataset of recipes, ingredients, and flavor compounds, finding that, in Western cuisine, ingredients in recipes often share more flavor compounds than expected by chance, indicating a natural tendency towards food pairing. Building upon Ahn's research, our work applies state-of-the-art collaborative filtering techniques to the dataset, providing a tool that can recommend new foods to add in recipes, retrieve missing ingredients and advise against certain combinations. We create our recommender in two ways, by taking into account ingredients appearances in recipes or shared flavor compounds between foods. While our analysis confirms the existence of food pairing, the recipe-based recommender performs significantly better than the flavor-based one, leading to the conclusion that food pairing is just one of the principles to take into account when creating recipes. Furthermore, and more interestingly, we find that food pairing in data is mostly due to trivial couplings of very similar ingredients, leading to a reconsideration of its current role in recipes, from being an already existing feature to a key to open up new scenarios in gastronomy. Our flavor-based recommender can thus leverage this novel concept and provide a new tool to lead culinary innovation.
- Abstract（参考訳）: 2000年代初頭、有名なシェフのヘストン・ブラメントハルは「食品のペアリング」の仮説を定式化し、食品が多くのフレーバー化合物を共有しているなら、一緒に食べるとおいしい味がする傾向があると示唆した。
2011年、Ahnらはレシピ、食材、フレーバー化合物のデータセットを用いて研究を行い、西洋料理では、レシピの成分は偶然に予想されるよりも多くのフレーバー化合物を共有しており、食品のペアリングに対する自然な傾向を示していることを発見した。
私たちの研究は、Ahn氏の研究に基づいて、最先端のコラボレーティブフィルタリング技術をデータセットに適用し、レシピを追加し、欠落した材料を回収し、特定の組み合わせに対してアドバイスするための新しい食品を推奨するツールを提供しています。
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。
本分析は食品のペアリングの存在を裏付けるものであるが, レシピベースのレコメンデーションはフレーバーベースのものよりもはるかに優れており, 料理のペアリングはレシピ作成において考慮すべき原則の1つに過ぎないという結論に至った。
さらに、さらに興味深いことに、データ中の食品のペアリングは、主に非常に類似した成分の単純なカップリングによるもので、レシピにおける現在の役割を再考し、既に存在する特徴から、胃科の新しいシナリオを開く鍵となることに繋がる。
われわれのフレーバーベースのレコメンデーターは、この新しいコンセプトを活用し、料理のイノベーションを導くための新しいツールを提供することができる。
関連論文リスト
- 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) - Enhancing Personalized Recipe Recommendation Through Multi-Class Classification [0.0]
問題領域にはレシピレコメンデーションが含まれており、関連分析や分類といった手法を利用している。
この論文は、レシピを推薦するだけでなく、正確でパーソナライズされたレコメンデーションを達成するためのプロセスを探究する。
論文 参考訳（メタデータ） (2024-09-16T13:21:09Z) - BEACON: Balancing Convenience and Nutrition in Meals With Long-Term Group Recommendations and Reasoning on Multimodal Recipes [4.441718631975636]
本稿では,新しい食事レコメンデーション問題に対するデータ駆動型アプローチを提案する。
コントリビューションには、良心尺度、テキストからのレシピ変換方法、文脈的包帯を用いた学習方法が含まれる。
論文 参考訳（メタデータ） (2024-06-19T17:14:41Z) - A topological analysis of the space of recipes [0.0]
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。
論文 参考訳（メタデータ） (2024-06-12T01:28:16Z) - 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) - 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) - Food Recipe Recommendation Based on Ingredients Detection Using Deep
Learning [0.0]
美味しい料理のレシピを作るために、どの材料を混ぜるかを知ることが不可欠である。
食品成分認識モデルを実装し,認識された成分に基づいてレシピを推薦するアルゴリズムを設計した。
精度は94%に達しました。
論文 参考訳（メタデータ） (2022-03-13T17:42:38Z) - 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) - 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) - 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。
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。