Monte Carlo Tree Search for Recipe Generation using GPT-2

要約

自動食品レシピ生成方法は、シェフが新しい興味深い料理を探索し作成するための創造的なツールを提供します。
大規模言語モデル (LLM) の最近の成功を考慮すると、個人の好みや食事の制約を満たし、冷蔵庫にあるものに適応できる新しいレシピを作成できる可能性があります。
LLM を使用したレシピ生成に関する既存の研究では、LLM を微調整して現実的なサウンドのレシピを生成できることが示されています。
しかし、詳しく調べてみると、これらの生成されたレシピは、鶏肉料理の材料として鶏肉を含めるなどの基本的な要件を満たしていないことがよくあります。
本稿では、Monte Carlo Tree Search (MCTS) に依存した GPT-2 を使用したテキスト生成手法 RecipeMC を提案します。
RecipeMC を使用すると、報酬関数を定義してテキスト生成にソフトな制約を課すことができるため、生成されるレシピの信頼性が向上します。
私たちの結果は、実際のレシピと比較した場合、人間の評価者は他のベースライン手法で生成されたレシピよりも、RecipeMC で生成されたレシピを好むことがわかりました。

要約(オリジナル)

Automatic food recipe generation methods provide a creative tool for chefs to explore and to create new, and interesting culinary delights. Given the recent success of large language models (LLMs), they have the potential to create new recipes that can meet individual preferences, dietary constraints, and adapt to what is in your refrigerator. Existing research on using LLMs to generate recipes has shown that LLMs can be finetuned to generate realistic-sounding recipes. However, on close examination, these generated recipes often fail to meet basic requirements like including chicken as an ingredient in chicken dishes. In this paper, we propose RecipeMC, a text generation method using GPT-2 that relies on Monte Carlo Tree Search (MCTS). RecipeMC allows us to define reward functions to put soft constraints on text generation and thus improve the credibility of the generated recipes. Our results show that human evaluators prefer recipes generated with RecipeMC more often than recipes generated with other baseline methods when compared with real recipes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google