Jun, 2023

使用食谱的常识推理图形形式化方法

PDF
TL;DR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。
发现论文，激发创造
  • PizzaCommonSense: 学习对烹饪食谱的中间步骤进行常识推理

    基于 T5 和 GPT-3.5 的基线模型，该研究论文介绍了具有中间步骤描述的烹饪食谱语料库，以有效地理解和推理烹饪食谱中的输入和输出，从而为智能推理和程序文本生成提供了有关常识推理的挑战性任务和见解。

    Jan, 2024

  • 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

  • 多模式烹饪工作流程构建用于食谱

    利用图形化方法描述菜谱的工作流程是一个需要常识推理的复杂任务。本文提出了一个基于神经网络技术的编码器 - 解码器模型，通过使用视觉和文本信息来构建食品制作工作流程。我们还构建了一个包含 9,850 道菜谱的大型数据集，采用该方法比手工特征提取能够显著提高 20% 以上的性能。

    Aug, 2020

  • 无监督学习食谱图

    提出一种无监督学习的方法，使用图表示法从烹饪食谱中提取相关信息，并通过解码图成文本进行监督，与其他方法相比，使用文本到图和图到文本的方式迭代学习图结构和参数，并通过与标注数据集的实体对比、输入和输出文本的差异对比以及与现有方法生成的图的对比来评估该方法。

    Jan, 2024

  • 反事实食谱生成：在现实场景中探索组合泛化

    本文研究了预训练语言模型是否能够在现实环境中进行构成泛化和对新元素进行合成，主要通过设计反事实食谱生成任务，使用中文菜谱数据集进行进行预训练语言模型的微调，结果表明这些模型生成的食谱虽然文字流畅，但缺乏真正的构成泛化能力和对烹饪知识的学习和应用。

    Oct, 2022

  • 学习食物图片和烹饪食谱的程序表示

    本文提出了一种通过将烹饪配方和食品图像表示为烹饪程序来建模如何指导说明性程序（如烹饪食谱），并展示了使用自我监督和联合嵌入生成程序的可行性，从图像生成食品图像，这使得跨模态检索效果更佳。

    Mar, 2022

  • 奇妙的布丁：使用自动定理证明生成烹饪食谱

    本文提出了 FASTFOOD，一种基于规则的自然语言生成程序，可用于烹饪食谱。该程序使用自动定理证明程序来选择成分和指示，具有一个时间优化模块，可以使其更加高效，并使用一种框架将自然语言生成分为 4 个阶段：内容生产，内容选择，内容组织和内容实现。最后将其与类似的现有系统和技术进行了比较。

    Mar, 2022

  • 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

  • Cook-Gen：菜谱烹饪行为的鲁棒生成建模

    本研究探索了使用生成 AI 方法扩展当前食品计算模型的可能性，主要涉及营养和配料分析，以及包括烹饪行为（例如加盐，煎肉，煮蔬菜等），并提出了一种新的基于聚合的生成 AI 方法 Cook-Gen。

    Jun, 2023

  • Visual Recipe Flow：一份用于学习物体视觉状态变化的食谱流数据集

    提出了一个名为 Visual Recipe Flow 的多模态数据集，它能够学习菜谱文本中每个烹饪动作的结果，该数据集由物体状态变化以及菜谱文本的工作流程组成，其使用一个菜谱流程图来表示工作流程并使用图像对来表示状态变化，可用于多模态常识推理和过程文本生成等应用。

    Sep, 2022