RecipeNet：分层Transformer架构增强食谱数据建模

研究人员开发了RecipeNet，一种新颖的分层Transformer架构，旨在更好地对食谱数据进行建模。与现有展平复杂结构的表格学习方法不同，RecipeNet捕获步骤内的字段级交互以及跨步骤的顺序依赖性。实验表明，RecipeNet在各种食谱数据集和任务上的表现显著优于当前的表格模型，证明了其分层和顺序方法的有效性。 AI

影响 增强了结构化顺序数据的建模能力，可能改进合成和制造领域的应用。

排序理由 该集群包含一篇详细介绍新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• RecipeNet
• ScienceCast
• Transformer++

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →