Recipe Context-based Ingredient Quantity Prediction
연구 내용
레시피 제목·문맥 정보를 입력으로 식재료의 수량을 예측하고, 전이학습과 범용화 이론 관점을 통해 문서-기반 추천의 일반성을 높이는 연구
본 연구는 레시피에서 제공되는 텍스트 문맥을 기반으로 식재료의 수량을 예측하는 문제를 다룹니다. 자연어처리를 통해 레시피 컨텍스트를 수치화하고, 기계학습 모델을 학습하여 식재료별 수량을 추정합니다. 또한 전이학습을 활용해 학습 데이터의 제한을 완화하고, 범용화 관점을 적용하여 새로운 레시피 상황에서도 성능이 유지되도록 모델링 전략을 구성합니다. 식품과학 관점에서 해석 가능한 입출력 구조를 유지하는 점이 차별성입니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 단계에서는 레시피 문맥과 식재료 수량 사이의 상관 구조를 학습하기 위한 기본 예측 모델을 구축했습니다. 이후 전이학습과 범용화 관점을 반영하여 학습 분포와 다른 레시피 상황에서도 예측이 안정적으로 동작하도록 개선 방향을 설정했습니다. 현재까지는 레시피 컨텍스트 기반 수량 예측을 핵심 원천 과제로 수행하고 있으며, 이후에는 레시피 표현학습을 확장해 추천 태스크로의 전개가 가능한 형태로 연구를 진행할 수 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
KitchenScale: Learning to predict ingredient quantities from recipe contexts