通过对三个数据集进行分析，我们发现进行了细粒度微调的 spaCy-transformer 成为最佳模型，对于手动注释、增强注释和机器注释数据集，它的宏 F1 分数分别为 95.9％、96.04％和 95.71％。

Feb, 2024

此研究介绍了一种基于领域专家知识和主动学习技术的新数据集，其包含了 200 万种用各种类别标记的烹饪食谱，包括糕点、饮料、非素食、蔬菜、快餐、谷物、餐点、配菜和融合九个类别，并且可以用于机器学习任务和各种自然语言处理任务的训练和评估。

Mar, 2023

文章介绍了如何从不同来源的食谱数据集中提取所需信息并对其进行格式标准化，从而实现对营养成分的预测。使用命名实体识别和外部领域特定资源进行转换，生成具有预定义成分及食谱嵌入的语料库，并应用于机器学习流程，得到了比基准段表现更好的结果。

Feb, 2023

本研究提出了一个名为 “3A2M + 烹饪食谱数据集” 的数据集，其中包含 200 万个带有从食谱描述中提取的扩展命名实体的烹饪食谱，该数据集包括标题、命名实体识别、步骤和扩展命名实体等各种特征，并使用两个命名实体提取工具扩展了命名实体识别列表以解决食谱指令中缺失的命名实体，如热量、时间或过程，同时通过传统机器学习、深度学习和预训练语言模型将食谱分类为相应的风格，并达到了 98.6％的整体准确率。研究结果表明，标题特征在分类风格时起到了更重要的作用。

Oct, 2023

本文提出了一种基于实体类型信息构建判别式语言模型的新方法，并提供了两个基于食谱和 Java 编程代码的基准数据集来评估所提出的模型。实验结果表明，相比现有的语言模型，我们的模型在食谱生成和代码生成方面的困惑度分别达到 52.2％和 22.06％的显著提高。

May, 2018

命名实体识别（NER）模型在各种自然语言处理（NLP）任务中起着关键作用，包括信息抽取（IE）和文本理解。在学术写作中，对机器学习模型和数据集的引用是各种计算机科学出版物的基本组成部分，并需要准确的模型识别。尽管 NER 取得了进展，但现有的真实数据集未将细粒度类型（如 ML 模型和模型架构）视为单独的实体类型，因此基准模型无法识别它们。本文发布了一个包含 100 个手动注释的全文科学出版物的语料库，并提供了一个围绕 ML 模型和数据集的 10 种实体类型的基准模型。为了提供对 ML 模型和数据集如何被提及和利用的细致理解，我们的数据集还包含了与非正式提及相关的注释，例如 “我们的 BERT 模型” 或 “图像 CNN”。您可以在此 https URL 找到真实的数据集和代码以复制模型训练。

Nov, 2023

通过大规模语言模型，命名实体识别可以达到更精细化的实体类型识别、零样本识别和语句检索等目标，但这些目标仍然需要进一步研究和探索。

Oct, 2023

本文提出了一种新颖的跨模态学习框架来自动发现食谱中文本和图像的实体及其相应的重要性，并能在没有明确监督的情况下识别出食谱描述中的主要成分和烹饪动作，为跨模态检索和食谱适应任务提供更有意义的特征表示。

Feb, 2021

本研究介绍了 Recipe1M+，这是一个包含超过一百万个烹饪食谱和 1300 万个美食图像的大规模结构化语料库。通过使用数据，我们训练一个神经网络，学习食谱和图像的联合嵌入，从而在图像 - 食谱检索任务上取得了令人印象深刻的结果。此外，我们证明了通过添加高级分类目标的正则化可以提高检索性能，并使语义向量算术成为可能。我们假设这些嵌入将为进一步探索 Recipe1M + 数据集以及食品和烹饪提供基础。

Oct, 2018

本文介绍了第一个大型公开高质量的非洲十种语言的命名实体识别数据集，研究这些语言对命名实体识别带来的挑战，并在监督和迁移学习设置下进行了广泛的实证评估和分析，旨在启发未来的非洲自然语言处理研究。

Mar, 2021