Cook-Gen：从菜谱中稳健生成烹饪动作的生成式建模
计算与语言
2023-06-06 v1 人工智能
信息检索
摘要
随着人们越来越关注自己的饮食选择，食物计算模型在帮助人们保持健康的饮食习惯方面变得越来越流行。例如，食物推荐系统分析菜谱说明以评估营养内容并提供菜谱推荐。生成式人工智能方法（如自回归大语言模型）近期取得的显著成功，可催生稳健的方法，从而对菜谱实现超越表层营养内容评估的更全面理解，用于健康食物推荐。在本研究中，我们探索使用生成式人工智能方法扩展当前的食物计算模型（主要涉及营养与食材分析），使其也能纳入烹饪动作（例如加盐、煎肉、煮蔬菜等）。由于数据模式不规则，烹饪动作用统计学习方法建模极为困难——同一动作的自然语言描述差异显著（如“腌制肉”与“腌制肉并放置过夜”），且出现频率低的模式（如“加盐”远多于“腌制肉”）。处理不规则数据模式的典型方法是将数据量提升数个数量级。遗憾的是，在烹饪领域，数据量增大进一步加剧了这些问题，带来了仅靠扩大规模难以应对的独特挑战。本工作中，我们提出基于聚合的新型生成式人工智能方法 Cook-Gen，能够可靠地从菜谱生成烹饪动作，尽管存在不规则数据模式的困难，同时优于大语言模型及其他强基线。
引用
@article{arxiv.2306.01805,
title = {Cook-Gen: Robust Generative Modeling of Cooking Actions from Recipes},
author = {Revathy Venkataramanan and Kaushik Roy and Kanak Raj and Renjith Prasad and Yuxin Zi and Vignesh Narayanan and Amit Sheth},
journal= {arXiv preprint arXiv:2306.01805},
year = {2023}
}