Apr, 2017

食物桥接：揭示烹饪原理的新网络构建

PDF
TL;DR本文介绍了传统菜肴背后的新原则：食物桥接假设，分析了一组食品组合数据，用与 Ahn 等人在食品搭配研究中使用的相同数据集和图形模型比较食品桥接假设与食品搭配假设，结果表明这两种假设都在传统菜肴中得到了证实。
发现论文，激发创造
  • 风味网络与食物搭配原则

    研究发现，西方烹饪文化普遍使用味道相似的成分，而东方烹饪文化则相反，这一结论得到了基于口味共享的假设的支持。

    Nov, 2011

  • 印度地区菜肴的食物搭配分析

    通过对印度八大不同地域、气候的菜系的食谱进行研究，本研究发现了每个菜系都遵循着负的食物配对模式，表明共享风味化合物的两种材料在一个菜系中摆放位置越远；同时揭示了香料和乳制品是负的食物配对模式发生的主要材料类别，而乳制品可能会使食物配对在常规基础上向着积极的方向偏移。

    May, 2015

  • 使用食材网络进行食谱推荐

    本文研究了在线食谱集合的成分组合、共现和偏好，以及它们与食谱评级之间的关系。

    Nov, 2011

  • RecipeMind：利用级联集合变换引导配料选择，从食品搭配到菜谱完成

    提出了一种计算方法来生成美食菜谱，该方法运用了食品亲和力评分预测模型 RecipeMind，通过该模型可以补充一些适宜的食材建议，填补原来的不足。

    Oct, 2022

  • 网络探索全球饮食习惯

    本研究分析了全球超过 200 种菜系的超过 157K 份食谱，并研究了这些食谱中的成分，口味和营养价值，以及它们与不同国家的健康指标之间的关系，结果表明地理和文化因素会影响全球不同地区的菜肴偏好与健康指标。

    Oct, 2016

  • WineGraph: 食物 - 葡萄酒搭配的图表示

    利用 WineGraph 将葡萄酒数据整合到 FlavorGraph 中，通过口感和侍酒师定义的规则实现食物与葡萄酒的搭配。利用 50 万份食物评论和 13 万份葡萄酒评论数据计算出口味描述符，进而实现食物与葡萄酒的组合，扩充了 FlavorGraph 的数据，结果表明利用异构图可以获取补充信息，对葡萄酒搭配有益。

    Jun, 2024

  • KitcheNette: 使用 Siamese 神经网络预测和推荐食品成分搭配

    本研究提出了 KitcheNette 模型，该模型使用孪生神经网络预测食材配对分数，并推荐最佳配对。经过实验验证，该模型不仅优于其他基线模型，而且还能推荐互补的配对和发现新的配对。

    May, 2019

  • 使用食谱的常识推理图形形式化方法

    本文提出了一种图形化的方法对食谱进行形式化，其中捕捉了食材、中间食品和最终产品的组成以及在转化食材过程中的行为，并提出了比较食谱、从子食谱构建食谱、将食谱拆分为子食谱的形式化定义，并介绍和比较了两种替换食谱的形式化定义。

    Jun, 2023

  • 烹饪的生成语法

    通过研究结构化菜谱的广泛存储库，我们识别出了共同的概念和规则，共同构成了一种烹饪综合系统的组合系统，提出了一种烹饪生成语法，为烹饪行为提供深刻的洞见，并提供了营养干预的杠杆。

    Oct, 2022

  • 在美国餐厅评论和大型语言模型中的排他和低声望对移民菜肴的框架化

    通过语言分析，研究了 210 万英文 Yelp 评论中关于餐厅的框架差异，发现非西方移民菜肴更容易被框定为典型、异国情调并与低收入和卫生条件相关。同时，论文还展示了大型语言模型文本生成的相似性和其再现了许多相同的 “框架倾向” 现象。

    Jul, 2023