研究人员推出SCODEL,一种通过为上下文食品提及和本体概念创建共享规范定义来改进食谱中实体链接的新方法。该方法充当语义规范化层,在不改变其架构的情况下增强现有的实体链接模型。研究团队还开发了ReciLinkD,一个用于上下文食品本体实体链接的基准数据集,并证明SCODEL显著提高了BLINK和GSM-EL等模型的性能,甚至在特定指标上优于基于大型语言模型的基线。SCODEL的效用超出了食品领域,在生物医学领域显示出潜力,并能够构建本体驱动的食谱知识图谱,以进行高级检索和分析。 AI
影响 这项研究可以改善对食谱的语义理解,从而实现更复杂的食品分析和本体感知检索系统。
排序理由 该集群描述了一篇介绍实体链接新方法和基准的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Blink Ai Assistant
- CatalyzeX
- DagsHub
- Gotit.pub
- GSM-EL
- Hugging Face
- ReciLinkD
- ScienceCast
- SCODEL
- white sugar
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →