본 연구에서는 조리법에 대한 맥락 이해를 향상시키도록 특화해 미세조정된 사전학습 언어 모델(PLM)인 RecipeBuild를 제안한다. 본 모델은 인간이 작성한 조리법 제목과 요리 스타일 및 조리 방법과 같은 사용자 선호를 포함하는 요리 레시피 전반에서 보다 향상된 맥락적 이해를 목표로 학습되었다. RecipeBuild는 두 가지 핵심 과제에서 우수한 성능을 보인다. 첫째, 조리법 완성 과제(Recipe Completion Task)에서 적절한 재료를 추천한다. 둘째, 조리법 발상 과제(Recipe Ideation Task)에서 혁신적이고 다양한 재료 조합을 제안한다. 실험 결과, RecipeBuild는 조리법 완성 과제에서 기준(baseline) 모델들보다 뛰어난 성능을 보였으며 MRR 0.0798, 재현율(recall) 0.0794를 달성하였다. 또한 조리법 발상 과제에서는 Macro MRR 0.3606, Micro MRR 0.0641로 기준 모델 대비 우수한 성능을 나타내었다. 이는 다양한 식이 요구와 요리 문화를 반영하는 개인화되고 현실적인 조리 아이디어 생성을 위한 유용한 도구임을 시사한다. 재료 추천이라는 일반화된 과제를 다룸으로써 RecipeBuild는 조리법 표현 학습(recipe representation learning) 개선 가능성을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.