基于注意力的食材短语解析器
计算与语言
2022-10-07 v1
摘要
随着虚拟个人助理已渗透消费市场，如 Siri 和 Alexa 等产品，研究界已产出若干面向任务对话任务的工作，例如酒店预订、餐厅预订和电影推荐。协助用户烹饪是预期由智能助理解决的此类任务之一，其中应精确且及时地向用户提供食材及其对应属性（如名称、单位和数量）。然而，从烹饪网站抓取到的现有食材信息为非结构化形式，且在词汇结构上存在巨大差异，例如“1 garlic clove, crushed”（捣碎的 1 瓣大蒜）和“1 (8 ounce) package cream cheese, softened”（1 包（8 盎司）软化奶油奶酪），使得难以精确提取信息。为向用户提供沉浸且成功的烹饪任务对话服务，我们提出一种新的食材解析模型，可将食谱的食材短语解析为带对应属性的结构化形式，F1 分数超过 0.93。实验结果表明，我们的模型在 AllRecipes 和 Food.com 数据集上达到了最先进(state-of-the-art)性能。
引用
@article{arxiv.2210.02535,
title = {Attention-based Ingredient Phrase Parser},
author = {Zhengxiang Shi and Pin Ni and Meihui Wang and To Eun Kim and Aldo Lipani},
journal= {arXiv preprint arXiv:2210.02535},
year = {2022}
}
备注
ESANN 2022 proceedings, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning