一种基于命名实体的食谱建模方法

传统烹饪食谱遵循一种结构，若对食谱文本不同部分的规则与语义加以准确分析与表示，则可被很好建模。我们提出一种能准确表示食谱的结构，以及一套推断该统一结构下食谱最佳表示的流程。食谱中的食材部分通常列出所需食材及相应属性，如数量、温度和加工状态。这可通过定义这些属性及其值来建模。构成食谱的物理实体可宽泛地分类为厨具、食材及其由烹饪技术关联的组合。指令部分列出一系列事件，其中对厨具和食材施加某种烹饪技术或过程。我们以元组形式建模这些关系。从而，结合这些方法，我们对数据集 RecipeDB 中的烹饪食谱建模以展示方法有效性。该挖掘信息模型可有若干应用，包括跨语言翻译食谱、判定食谱间相似性、生成新颖食谱以及估算食谱营养轮廓。为识别食材属性，我们训练命名实体关系（NER）模型并借助 K-Means 聚类分析推断结果。我们的模型在所有数据集上取得 0.95 的 F1 分数。我们对指令部分中的烹饪技术（F1 分数 = 0.88）和厨具（F1 分数 = 0.90）使用类似 NER 标注模型进行标注。最后，我们确定食材、厨具与烹饪技术间关系的时间序列以建模指令步骤。