Нейросеть научилась составлять рецепт пиццы

"«Генерация кулинарных рецептов — не самая распространенная задача, генерация именно пицц — тем более. Самым сложным, как это обычно бывает при работе с машинным обучением, был сбор датасета — нигде таких баз нет, приходилось автоматически обрабатывать крупные кулинарные сайты, а на сайтах пишут рецепты пользователи, из-за чего возникают всяческие неприятности вроде ошибок в тексте», — говорит один из разработчиков Егор Барышников."

Первоначальный датасет включал около 300 000 рецептов и около 1 000 уникальных ингредиентов. Чтобы нейросеть могла работать с рецептами, их нужно было описать в математическом виде. Чтобы это сделать, разработчики представили рецепт как набор векторов ингредиентов. Вектора ингредиентов были сформированы с помощью Skip-Gram Negative Sampling (SGNS) — алгоритма word2vec, который основан на встречаемости слов в контексте.

После того как была решена задача создания рецепта пиццы, в модель был добавлен критерий молекулярной сочетаемости на основе результатов исследования ученых из Кембриджа и нескольких университетов США. Они установили, что лучше всего сочетаются ингредиенты с похожей молекулярной структурой.

Научившись создавать рецепт пицц, с помощью регулировки коэффициентов, нейросеть может придумывать как классические рецепты (например, «Маргариту» или «Пепперони»), так и сумасшедшие рецепты с грушей, тунцом и мятой, который и стал основой для «Опенсорс» пиццы.