음식 레시피들은 조리하는 데 있어 개인의 해석에 따라 다르게 조리하여 동일한 결과가 나오지 않을 수 있다. 이를 해결하기 위해 디지털 레시피 자동 생성 솔루션을 개발하였다.

• 디지털 레시피 분석 frontend 코드 (html, css, js)

• 디지털 레시피 분석 Backend 코드 (Flask)

• 우리의 식탁, 만개의 레시피 크롤링 코드

• 레시피 개체명 인식 언어 모델: 코드(train, test), 데이터(레이블링, 학습), 모델, 레시피(한식, 중식, 양식), 토크나이저

• 디지털 레시피 자동 생성
• 프롬프트 간편화
• Micro Recipe (레시피 분해)

1. 레시피를 입력 받는다

2. 조리동작을 추출한다

   • EtriOpenAPI를 통해 동사(VV)를 분별, 이후 딕션너리를 통해 단순 동사인지 조리동작에 해당하는 동사인지 판단 → 조리동작을 기준으로 sequences 분리

3. 레시피 구성 요소들을 추출한다

   • 개체명 인식을 통해 식재료, 용량, 첨가물, 온도, 시간을 추출한다
   • 학습시킨 KoELECTRA를 사용하여 개체명 인식을 진행하고 추가적으로 Rule-based을 통해 발견하지 못한 요소들을 딕셔너리를 통해 찾아낸다

4. 레시피 부가 요소 추출한다

   • Rule-Based를 통해 해당 조리 문장에 알맞은 조리도구를 찾아낸다

Backend 필요 라이브러리

• PyMySQL: 데이터베이스 사용을 위해 사용한다
• jamo: microrecipe에서 이루어지는 한글 분석을 위해 사용한다
• Jinja2: Flask에서 프론트로 정보를 보낼때 사용한다
• Flask: 백앤드 API 서버를 위해 사용한다
• urllib3: 데이터 통신을 위해 사용한다

koElectra 필요 라이브러리

• torch==1.10.2
• transformers==4.25.1
• seqeval>=1.2.2
• pandas

김하종 - https://github.com/WhoAmI125

박지연 - https://github.com/JIGOOOD

방선웅 - https://github.com/sunwoongskku

서유정 - https://github.com/hoongel1004

송지은 - https://github.com/thdwldmszz

이현민 - https://github.com/lhm6199

박희선 - 성균관대학교 산학협력 및 지도 교수