面向半监督学习的自动化食谱流派分类
计算与语言
2023-10-25 v1 人工智能
摘要
分享烹饪食谱是交流烹饪创意与提供食物制备说明的良好方式。然而，由于缺乏充足的标注数据，将网上原始食谱归类至恰当食物流派颇具挑战。本研究中，我们呈现一个名为“多样、原型且标注的两百万扩展（3A2M+）烹饪食谱数据集”的数据集，其包含两百万条烹饪食谱，按各自类别标注，并从食谱描述中提取了扩展命名实体。该数据收集含标题、NER、步骤与扩展NER等多种特征，以及代表流派（包括烘焙、饮品、非素食、蔬菜、快餐、谷物、正餐、配菜与融合菜）的九个不同标签。所提名为3A2M+的流程通过使用两种NER提取工具，扩展了命名实体识别（NER）列表的规模，以解决食谱步骤中缺失如加热、时间或过程等命名实体的问题。3A2M+数据集为分类、命名实体识别与食谱生成等多种挑战性食谱相关任务提供了综合方案。此外，我们展示了传统机器学习、深度学习与预训练语言模型将食谱分类至对应流派，取得了98.6%的总体准确率。我们的研究表明标题特征在流派分类中发挥了更显著的作用。
引用
@article{arxiv.2310.15693,
title = {Towards Automated Recipe Genre Classification using Semi-Supervised Learning},
author = {Nazmus Sakib and G. M. Shahariar and Md. Mohsinul Kabir and Md. Kamrul Hasan and Hasan Mahmud},
journal= {arXiv preprint arXiv:2310.15693},
year = {2023}
}