論文の概要: A framework for recipe data structure with applications for culinary and nutritional insights
- arxiv url: http://arxiv.org/abs/2609.22099v1
- Date: Wed, 12 Aug 2026 05:40:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.696177
- Title: A framework for recipe data structure with applications for culinary and nutritional insights
- Title（参考訳）: レシピデータ構造のための枠組みと食学的・栄養学的考察への応用
- Abstract要約: 128,942個のレシピと32か国,99か国の35,474個のレシピを構造化したRecipeDB2を提案する。
レシピデータ構造のための枠組みを定式化し、それぞれのレシピをタイプされた成分に分解し、それらの実体を参照栄養データベースに接地し、地理的・文化的・食事的文脈で注釈付けする。
レシピを計算可能とし、料理の遺産をデータ駆動分析に変換するスケーラブルなフレームワークを実証する。
- 参考スコア（独自算出の注目度）: 0.9372904960151861
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cooking is a complex process that transforms raw ingredients into delicious and nutritious dishes, yet the recipes that encode this process remain largely free text; readable by people but not directly computable. Existing recipe collections capture fragments of this information, but no shared representation links a recipe's structured ingredient composition, its geo-cultural provenance, and its nutritional profile within a single queryable schema. We address this representation gap by formalizing a framework for recipe data structure that decomposes each recipe into typed ingredient entities, grounds those entities in a reference nutritional database, and annotates them with geo-cultural and dietary context. We present RecipeDB2, a structured compilation of 128,942 recipes with 35,474 ingredients from 32 regions and 99 countries. Ingredient phrases are parsed into seven culinary attributes using a transformer-based named-entity model; ingredients are linked to the USDA reference tables through a BERT embedding strategy (F1 = 87.90 on a manually adjudicated set of the 200 most frequent ingredients), yielding 148 nutritional parameters per mapped ingredient; a Random Forest classifier propagates 34 ingredient categories across the full vocabulary; and a deterministic, conservative rule set assigns each recipe a dietary style. Through RecipeDB2 (https://cosylab.iiitd.edu.in/recipedb2/), we demonstrate a scalable framework for making recipes computable, turning culinary heritage (long treated as an artistic rather than a quantitative object) into a data-driven analysis.
- Abstract（参考訳）: 料理は、原料を美味しく栄養価の高い料理に変える複雑な工程であるが、この工程をエンコードするレシピは、主に無料のテキストのままであり、直接計算できるものではない。
既存のレシピコレクションは、これらの情報の断片をキャプチャするが、共有表現は、レシピの構造された成分組成、その地理的文化的特徴、および単一のクエリ可能なスキーマ内の栄養プロファイルをリンクしない。
この表現ギャップに対処するために、レシピデータ構造のためのフレームワークを定式化し、それぞれのレシピをタイプ化された成分エンティティに分解し、それらのエンティティを参照栄養データベースに接地し、それらを地理的・文化的・食事的文脈で注釈付けする。
128,942個のレシピと32か国,99か国の35,474個のレシピを構造化したRecipeDB2を提案する。
成分は、BERT埋め込み戦略(F1 = 87.90)を介してUSDA参照テーブルにリンクされ(F1 = 87.90)、マッピングされた成分あたりの栄養パラメータが148個、Random Forest分類器が全語彙にわたって34の成分カテゴリを伝搬し、決定論的で保守的な規則セットがそれぞれのレシピを食生活スタイルに割り当てる。
RecipeDB2 (https://cosylab.iiitd.edu.in/recipedb2/)を通じて、レシピを計算可能にするためのスケーラブルなフレームワークを実証し、料理の遺産(量的オブジェクトではなく芸術的なものとして長く扱われてきた)をデータ駆動分析に変換する。
関連論文リスト
- Universal statistical laws governing culinary design [0.8556794573885257]
我々は、グローバルな料理にまたがる伝統的なレシピの大規模なコーパスを分析する。
成分使用量はZipfのようなランク周波数スケーリングを示す。
また、レシピの複雑さは、構成単位の数と平均情報の間のメンセラート・アルトマン型関係に従う。
論文 参考訳（メタデータ） (2026-04-30T15:40:42Z) - Predefined domain specific embeddings of food concepts and recipes: A
case study on heterogeneous recipe datasets [0.0]
レシピデータセットは通常、ユーザーがレシピを投稿して公開するソーシャルメディアウェブサイトから収集される。
6つの異なるレシピデータセットを公開し、異なるフォーマットで収集します。
栄養予測のために機械学習(ML)パイプラインを適用するために必要なフォーマットにこれらのデータセットをすべて導入する。
論文 参考訳（メタデータ） (2023-02-02T10:49:06Z) - 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) - 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) - 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) - A Large-Scale Benchmark for Food Image Segmentation [62.28029856051079]
我々は9,490枚の画像を含む新しい食品画像データセットFoodSeg103(およびその拡張FoodSeg154)を構築します。
これらの画像に154種類の成分を付加し,各画像は平均6つの成分ラベルと画素単位のマスクを有する。
ReLeMと呼ばれるマルチモダリティプリトレーニングアプローチを提案し、豊富なセマンティックな食品知識を持つセグメンテーションモデルを明確に装備します。
論文 参考訳（メタデータ） (2021-05-12T03:00:07Z) - 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) - 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) - Classification of Cuisines from Sequentially Structured Recipes [8.696042114987966]
料理の特徴に基づく料理の分類は 際立った問題です。
我々は、RecipeDBデータセット上のこれらの情報を考慮し、様々な分類手法を実装した。
最先端のRoBERTaモデルは、様々な分類モデルの中で73.30%の精度を示した。
論文 参考訳（メタデータ） (2020-04-26T05:40:36Z) - A Named Entity Based Approach to Model Recipes [9.18959130745234]
本稿では,この一様構造におけるレシピの最良の表現を推論するパイプラインだけでなく,レシピを正確に表現できる構造を提案する。
レシピのingredientsセクションは通常、必要な材料と、量、温度、処理状態などの対応する属性をリストアップする。
指示部は、これらの器具や具材に調理技術や工程を適用する一連の事象を列挙する。
論文 参考訳（メタデータ） (2020-04-25T16:37:26Z)
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。