基于批评辅助的食谱编辑
计算与语言
2023-01-27 v2 信息检索
机器学习
摘要
近年来，由于在线食谱数据的可得性，自动生成满足某种饮食限制的烹饪食谱引起了越来越多的关注。先前的研究使用了预训练语言模型，或依赖小规模配对食谱数据（例如，一个食谱与满足饮食约束的相似食谱配对）。然而，预训练语言模型生成的食谱不一致或不连贯，且配对数据集无法大规模获取。我们通过 RecipeCrit 弥补这些不足，这是一个在给定食材级批评下编辑食谱的分层去噪自编码器。该模型通过食谱补全任务进行训练，以学习食谱内部的语义关系。我们工作的主要创新在于无监督批评模块，允许用户通过与预测食材交互来编辑食谱；系统迭代重写食谱以满足用户反馈。在 Recipe1M 食谱数据集上的实验表明，与强语言建模基线相比，我们的模型能更有效地编辑食谱，根据人类评判，所生成的食谱满足用户约束且在正确性、偶然性、连贯性和相关性上更优。
引用
@article{arxiv.2205.02454,
title = {Assistive Recipe Editing through Critiquing},
author = {Diego Antognini and Shuyang Li and Boi Faltings and Julian McAuley},
journal= {arXiv preprint arXiv:2205.02454},
year = {2023}
}
备注
Accepted at EACL 2023. 10 pages, 2 figures, 6 tables, 1 algorithm