首页

科研动态

当前位置: 首页 > 科研动态 > 正文

Journal of Future Foods|江南大学未来食品科学中心崔晓晖教授团队研究成果:使用数学模型推进跨烹饪风格的地道食谱构思:RecipeMT

来源:食品计算与风味组学实验室   文图:周洁 审核:周景文  发布日期:2025-09-05  查看次数:

近日,Journal of Future Foods发表了江南大学未来食品科学中心崔晓晖教授团队研究成果“Advancing Authentic Recipe Ideation across Culinary Styles using a Mathematical Model: RecipeMT”(Zhou et al.,Journal of Future Foods,2025)。江南大学2022级博士生周洁为论文第一作者,辛星副教授为论文第一通讯作者。

不同地域有独特的饮食文化与风味搭配习惯:西方菜系常把风味相近的食材搭配在一起,而东亚菜系则倾向于避免此类组合。理解并量化这种“食材亲和力”,是生成地道、美味食谱的关键。近年来,越来越多的计算方法被用于辅助食谱创作,从基于深度学习的KitcheNette,到考虑食材化学成分的FlavorGraph,再到尝试生成完整食谱的RecipeBowl、Reciptor、RecipeMind等模型,都推动了智能食谱设计的发展。然而,这些方法或局限于一对一食材搭配,或在建模多食材间关系与烹饪风格适配方面存在不足。

研究团队提出了RecipeMT模型,致力于生成符合多种菜系风格的地道食谱。该模型通过风味共享分数加权模块(Flavor-sharing score weight, FSW)和级联Transformer模块,不仅能捕捉每种菜系内部的食材亲和力,还能理解“局部食材”与“整体菜肴”的相互依赖关系,从而生成新颖且地道的菜谱。首先,构建了三个大规模数据集(RecipeMT_Chinese、RecipeMT_Meat以及重构后的RecipeMind),其中包含了食材名称、亲和力分数和风味共享分数,为后续建模奠定了坚实的数据基础。其次,提出了融合风味共享分数与级联Transformer的新方法,不仅能够学习每种菜系的整体风味搭配规律,还能深入理解个体食材与整道菜肴之间的关系。最后,通过在多个数据集上的实验表明,RecipeMT展现出较强的鲁棒性与泛化能力,为地道菜谱的智能生成提供了参考。

在对RecipeMT的定性分析实验中,以牛肉和盐作为原始食材,在三种代表不同饮食风格的数据集上进行食谱创意测试。通过提取RecipeMT在不同饮食风格下的注意力权重,可以看到模型能够准确捕捉食材的关键特征和相互关系,从而生成有效的菜谱。实验结果揭示了不同饮食风格的特点:在RecipeMT_Chines数据集中,更强调多种香料和鲜味叠加;在RecipeMind数据集,甜味和坚果类食材的加入丰富了口感;而在RecipeMT_Meat数据集中,果汁和酒的运用则增加了风味层次。这些结果表明,RecipeMT不仅能够理解不同的饮食风格,还能设计出符合风格特色的地道菜谱,为智能菜谱创作提供了支持。

上述研究工作得到了国家重点研发计划(2022YFF1101100)、中央高校基本科研业务费专项资金(JUSRP124032)和江苏省特聘教授计划(5966010241250010)等项目的资助。

图1 RecipeMT模型结构


图2 RecipeMT中以牛肉和盐为原始食材的不同饮食风格的注意力权重比较

(编辑:潘梦妍)