論文の概要: Fusing Semantic, Lexical, and Domain Perspectives for Recipe Similarity Estimation

• arxiv url: http://arxiv.org/abs/2603.09688v1
• Date: Tue, 10 Mar 2026 13:56:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.353236
• Title: Fusing Semantic, Lexical, and Domain Perspectives for Recipe Similarity Estimation
• Title（参考訳）: 類似度推定のための意味的・語彙的・領域的視点の融合
• Authors: Denica Kjorvezir, Danilo Najkov, Eva Valencič, Erika Jesenko, Barbara Koroišić Seljak, Tome Eftimov, Riste Stojanov,
• Abstract要約: 食品レシピのセマンティック、レキシカル、ドメインの類似性について検討し、材料、調製方法、栄養特性の分析を通して評価した。 ドメインの専門家が組み合わせた類似性の結果を検証するために、Webベースのインターフェースが開発された。
• 参考スコア（独自算出の注目度）: 3.0217246573355347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research focuses on developing advanced methods for assessing similarity between recipes by combining different sources of information and analytical approaches. We explore the semantic, lexical, and domain similarity of food recipes, evaluated through the analysis of ingredients, preparation methods, and nutritional attributes. A web-based interface was developed to allow domain experts to validate the combined similarity results. After evaluating 318 recipe pairs, experts agreed on 255 (80%). The evaluation of expert assessments enables the estimation of which similarity aspects--lexical, semantic, or nutritional--are most influential in expert decision-making. The application of these methods has broad implications in the food industry and supports the development of personalized diets, nutrition recommendations, and automated recipe generation systems.
• Abstract（参考訳）: 本研究は,異なる情報源と分析的アプローチを組み合わせたレシピ間の類似性評価手法の開発に焦点をあてる。 食品レシピのセマンティック、レキシカル、ドメインの類似性について検討し、材料、調製方法、栄養特性の分析を通して評価した。 ドメインの専門家が組み合わせた類似性の結果を検証するために、Webベースのインターフェースが開発された。 318のレシピペアを評価した後、専門家は255(80%)で同意した。 専門家評価の評価により、関係性(語彙、意味、栄養など)が専門家の意思決定に最も影響を与えるかを推定することができる。 これらの手法の適用は、食品産業に幅広い影響を及ぼし、パーソナライズされたダイエット、栄養レコメンデーション、自動レシピ生成システムの開発を支援している。

関連論文リスト

• Exploring approaches to computational representation and classification of user-generated meal logs [6.888077368936294]
  本研究は、患者が生成した健康データに機械学習とドメイン特化度を応用し、栄養目標に応じて食事の分類を行った。 モバイルアプリを用いて,米国大都市における多様で低所得なコミュニティから114人の個人が収集した3000以上の食事記録のデータセットを使用した。
  論文  参考訳（メタデータ） (2025-09-08T04:23:48Z)
• Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
  我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。 栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T17:01:21Z)
• MOPI-HFRS: A Multi-objective Personalized Health-aware Food Recommendation System with LLM-enhanced Interpretation [50.309987904297415]
  Yelpのような主要な食品レコメンデーションプラットフォームは、ユーザの選択した健康性よりも、ユーザの食事の好みを優先している。 我々はMOPI-HFRS(Multi-Objective Personalized Interpretable Health-Aware Food Recommendation System)を開発した。 ユーザの好み、パーソナライズされた健康、栄養の多様性の3つの目標と、大きな言語モデル(LLM)強化推論モジュールを共同で最適化することで、食品レコメンデーションを提供する。
  論文  参考訳（メタデータ） (2024-12-12T01:02:09Z)
• 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)
• 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)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• 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)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
  食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。 最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。 我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。 また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
  論文  参考訳（メタデータ） (2023-09-14T13:29:41Z)
• Food Ingredients Recognition through Multi-label Learning [0.0]
  ダイエット自動評価システムにおいて, 食材中のさまざまな食材を識別する能力は重要な決定要因である。 我々は,料理画像中の任意の成分を検出するために,深層多ラベル学習アプローチを採用し,最先端のニューラルネットワークを評価した。
  論文  参考訳（メタデータ） (2022-10-24T10:18:26Z)
• 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。