論文の概要: FoodSEM: Large Language Model Specialized in Food Named-Entity Linking

• arxiv url: http://arxiv.org/abs/2509.22125v1
• Date: Fri, 26 Sep 2025 09:47:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.346308
• Title: FoodSEM: Large Language Model Specialized in Food Named-Entity Linking
• Title（参考訳）: FoodSEM: 食品名とエンティティのリンクを専門とする大規模言語モデル
• Authors: Ana Gjorgjevikj, Matej Martinc, Gjorgjina Cenikj, Sašo Džeroski, Barbara Koroušić Seljak, Tome Eftimov,
• Abstract要約: FoodSEMは、NEL(Non-entity Linking)と食品関連のオープンソース言語モデルのための、最先端の微調整された大型モデルである。 FoodSEMは、関連するモデルやシステムと比較して、最先端のパフォーマンスのモデルを実現している。
• 参考スコア（独自算出の注目度）: 4.7696209609483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces FoodSEM, a state-of-the-art fine-tuned open-source large language model (LLM) for named-entity linking (NEL) to food-related ontologies. To the best of our knowledge, food NEL is a task that cannot be accurately solved by state-of-the-art general-purpose (large) language models or custom domain-specific models/systems. Through an instruction-response (IR) scenario, FoodSEM links food-related entities mentioned in a text to several ontologies, including FoodOn, SNOMED-CT, and the Hansard taxonomy. The FoodSEM model achieves state-of-the-art performance compared to related models/systems, with F1 scores even reaching 98% on some ontologies and datasets. The presented comparative analyses against zero-shot, one-shot, and few-shot LLM prompting baselines further highlight FoodSEM's superior performance over its non-fine-tuned version. By making FoodSEM and its related resources publicly available, the main contributions of this article include (1) publishing a food-annotated corpora into an IR format suitable for LLM fine-tuning/evaluation, (2) publishing a robust model to advance the semantic understanding of text in the food domain, and (3) providing a strong baseline on food NEL for future benchmarking.
• Abstract（参考訳）: 本稿では,NEL(Non-entity Linking)と食品関連オントロジーのための,最先端のオープンソース大言語モデル(LLM)であるFoodSEMを紹介する。 我々の知る限りでは、食品NELは最先端の汎用言語モデルやドメイン固有のカスタムモデルやシステムによって正確に解決できないタスクである。 インストラクション・レスポンス(IR)シナリオを通じて、FoodSEMはテキストで言及された食品関連エンティティを、FoodOn、SNOMED-CT、Hansard分類などいくつかのオントロジーにリンクする。 FoodSEMモデルは関連するモデルやシステムと比較して最先端のパフォーマンスを実現しており、F1スコアはいくつかのオントロジーやデータセットで98%に達している。 ゼロショット、ワンショット、および少数ショットのLDMの比較分析により、ベースラインは、未調整バージョンよりもFoodSEMの優れたパフォーマンスをさらに強調した。 本稿では, (1) LLM の微調整・評価に適した IR フォーマットに食品アノテートコーパスを公開すること, (2) 食品領域におけるテキストのセマンティックな理解を促進する頑健なモデルを公開すること, (3) 今後のベンチマークのための食品NEL の強力なベースラインを提供すること, など, 食品SEM とその関連資源を一般公開することによって, (1) 食品アノテートコーパスを LLM の微調整・評価に適した IR フォーマットに公開すること, その他の貢献を行う。

関連論文リスト

• Informatics for Food Processing [0.5266869303483376]
  この章は、食品情報学の発展における機械学習、人工知能(AI)、データサイエンスの変革的な役割を強調している。 これらの問題に対処するため、この章では、処理レベルを推測するために栄養組成データに基づいて訓練されたランダムな森林モデルであるFoodProXを含む、新しい計算手法を提示している。 この章の重要なコントリビューションは、Open Food Factsデータベースを使った新しいケーススタディで、マルチモーダルAIモデルが構造化データと非構造化データを統合して、大規模に食品を分類する方法を示している。
  論文  参考訳（メタデータ） (2025-05-20T20:44:31Z)
• KERL: Knowledge-Enhanced Personalized Recipe Recommendation using Large Language Models [17.705244174235045]
  大規模言語モデル(LLMs)の最近の進歩と食品データの豊富さは、食品の理解を改善するために研究されている。 我々は、食品KGとLLMを活用して、パーソナライズされた食品レコメンデーションを提供する統一システムであるKERLを紹介する。 我々は,提案するKG拡張LDMが既存手法よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-05-20T17:19:57Z)
• An Integrated Framework for Contextual Personalized LLM-Based Food Recommendation [1.4957306171002251]
  この論文は、効果的な食品レクリエーションに必要な成分を特定し、分析する。 私たちは、リッチなコンテキストデータ取得のためのマルチメディアフードロギングプラットフォームと、World Food Atlasという2つの重要なイノベーションを紹介します。 Food Recommendation as Language Processingフレームワーク - フードドメイン用に特別に設計された、新しく統合されたアプローチ。
  論文  参考訳（メタデータ） (2025-04-25T22:20:33Z)
• 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)
• FoodLMM: A Versatile Food Assistant using Large Multi-modal Model [96.76271649854542]
  大規模マルチモーダルモデル(LMM)は多くの視覚言語タスクにおいて顕著な進歩を遂げている。 本稿では,多機能なLMMに基づく多目的食品アシスタントであるFoodLMMを提案する。 本稿では,食品の栄養価と複数のセグメンテーションマスクを予測するために,一連の新しいタスク固有のトークンとヘッドを導入する。
  論文  参考訳（メタデータ） (2023-12-22T11:56:22Z)
• FoodFusion: A Latent Diffusion Model for Realistic Food Image Generation [69.91401809979709]
  後期拡散モデル(LDMs)のような最先端画像生成モデルでは、視覚的に印象的な食品関連画像を生成する能力が実証されている。 本稿では,テキスト記述からリアルな食品画像の忠実な合成を目的とした,潜伏拡散モデルであるFoodFusionを紹介する。 FoodFusionモデルの開発には、大規模なオープンソースフードデータセットを活用することが含まれており、30万以上のキュレーションされたイメージキャプチャペアが生成される。
  論文  参考訳（メタデータ） (2023-12-06T15:07:12Z)

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。