음식의 재료들을 고밀도 벡터 공간상 화학적 조합으로 임베딩하기 위한 방법론

국문 초록 (Abstract)

약 본 논문은 음식의 재료들을 컴퓨터가 이해할 수 있는 벡터로 표현하는 것을 목표로 한다. 식품공학자들이 재료를 화학 분자의 조합으로 규명해 놓은 데이터에 기반을 두어, 최신 기술인 임베딩 방식을 이용해 음식의 재료들을 고밀도 벡터 공간에 화학적인 조합으로 표현하는 시도를 처음으로 도입하는 것이 본 논문의 주 내용이다. 음식 재료의 화학적 조합의 임베딩은 단순히 텍스트들의 동시 출현 빈도를 이용한 연관성이 아닌 재료를 실제 구성하는 화학 분자들의 조합으로 표현되기 때문에, 사람이 인지하지 못하는 재료의 특징을 파악하고, 조화에 맞는 재료를 추천하는 등의 태스크에 활용가능하다. 본 연구에서는 음식 재료를 Doc2vec 방식으로 벡터화한 결과를 카테고리별로 시각화하여 벡터의 성능을 정성적으로 평가한다.

다국어 초록 (Multilingual Abstract)

The purpose of this study is to represent food ingredients, in vectors that computers can understand. Based on data relative to food-chemical engineers defining ingredients with a combination of chemical compounds, the main contribution of this study is that it is the first to introduce and represent food ingredients, with a combination of chemical compounds in dense vector space. Since embeddings of food ingredients are represented by actual chemical compounds, they can detect chemical characteristics of ingredients that humans may not. So, embeddings can be used to recommend ingredients that go well with other ingredients. For experimental purpose, we visualize embedded vectors by their food category and evaluate performance of vectors qualitatively.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 스팸 리뷰 연구를 위한 데이터셋
• 4. 결과 및 분석
• 5. 결론 및 향후 연구
• References

참고문헌 (Reference)

1 J. Altossar, "food2vec-augmented-cooking-machineintelligence"

2 L Maaten, "Visualizing data using t-SNE" 2578-2605, 2008

3 S. Hochreiter, "Long short-term memory" 9 (9): 1735-1780, 1997

4 M. Heintz, "Lettuce Evaluate Some Recipe Word Embeddings"

5 A. Salvador, "Learning cross-modal embeddings for cooking recipes and food images"

6 A. Krizhevsky, "Imagenet classification with deep convolutional neural networks" 2012

7 Y. Ahn, "Flavor network and the principles of food pairing" 1 : 196-, 2011

8 T. Mikolov, "Efficient estimation of word representations in vector space"

9 Q, Le, "Distributed representations of sentences and documents" 2014