面向FoodEx2系统的检索增强多层次食物分类：FEAST
摘要
层次化文本分类(HTC)和极端多标签分类(XML)任务面临复杂标签相互关联、数据稀疏和极端输出维度等挑战。这些挑战在欧洲食品安全局(FoodEx2)系统中得到了充分体现——该系统是食物消费监测和跨欧洲区域生物学异位素暴露评估所必需的标准化食物分类框架。FoodEx2编码将自然语言食物描述转换为来自多个标准化层次结构的编码集合，但因其复杂结构而面临实施障碍。给定食物描述(如"有机酸奶"），系统识别其基本术语("酸奶"），确定所有适用facet类别(如"生产方法"），然后为每个类别分配每个相关facet描述(如"有机生产"）。虽然现有模型在均衡且语义稠密的层次结构上表现良好，但尚无工作被应用于FoodEx2系统所施加的实际约束。针对此类现实场景的有限文献进一步恶化了这些挑战。我们提出FEAST(Food Embedding And Semantic Taxonomy)，一种新颖的检索增强框架，将FoodEx2分类分解为三个阶段：(1) 基本术语识别，(2) 多标签facet预测，(3) facet描述符分配。通过利用系统的层次结构指导训练并进行深度度量学习，FEAST学习判别性嵌入，以缓解数据稀疏并提高稀有和细粒度标签的泛化能力。在多语言FoodEx2基准测试中，FEAST相较于以前的欧洲CNN基线F1分数在稀有类别上提升了12-38%。
引用
@article{arxiv.2603.03176,
title = {FEAST: Retrieval-Augmented Multi-Hierarchical Food Classification for the FoodEx2 System},
author = {Lorenzo Molfetta and Alessio Cocchieri and Stefano Fantazzini and Giacomo Frisoni and Luca Ragazzi and Gianluca Moro},
journal= {arXiv preprint arXiv:2603.03176},
year = {2026}
}
备注
Accepted for publication at ECAI 2025. Please cite the definitive, copyrighted, peer reviewed and edited version of this Article published in ECAI 2025, edited by I. Lynce et al., FAIA, pp. 4169-4176, 2025. DOI: https://doi.org/10.3233/FAIA251309