KitchenScale: 从食谱上下文学习预测食材用量
计算与语言
2023-04-24 v1 人工智能
机器学习
数值分析
数值分析
摘要
从提升美味度和促进健康的角度, 确定食材的适当用量是烹饪实践的重要部分。我们介绍了 KitchenScale, 一个经过微调的预训练语言模型 (PLM), 可根据食谱上下文预测目标食材的用量与计量单位。为有效训练我们的 KitchenScale 模型, 我们构建了一个由三个子任务组成的食材用量预测任务, 分别是食材计量类型分类、单位分类和用量回归任务。此外, 我们利用从食谱文本到 PLM 的烹饪知识迁移学习。我们采用离散潜在指数 (DExp) 方法来应对食谱语料库中数值尺度的高方差。使用我们新构建的数据集和推荐示例进行的实验证明了 KitchenScale 对各种食谱上下文的理解以及预测食材用量的泛化能力。我们为 KitchenScale 实现了一个 Web 应用, 以展示其以数字 (如 2) 与单位 (如盎司) 表达推荐食材用量的功能。
引用
@article{arxiv.2304.10739,
title = {KitchenScale: Learning to predict ingredient quantities from recipe contexts},
author = {Donghee Choi and Mogan Gim and Samy Badreddine and Hajung Kim and Donghyeon Park and Jaewoo Kang},
journal= {arXiv preprint arXiv:2304.10739},
year = {2023}
}
备注
Expert Systems with Applications 2023, Demo: http://kitchenscale.korea.ac.kr/