Epicure: Navigating the Emergent Geometry of Food Ingredient Embeddings

Resumen Técnico: Epicure: Navegando la Geografía Emergente de las Incrustaciones de Ingredientes Alimentarios

Enunciado del Problema
Los enfoques existentes de gastronomía computacional, como FlavorGraph, han establecido incrustaciones alimentarias integrales al combinar datos químicos (FlavorDB) con la co-ocurrencia de recetas (Recipe1M+). Sin embargo, trabajos anteriores identificaron tres limitaciones críticas en estos modelos: (1) dependen de corpus monolingües centrados en inglés; (2) fusionan señales químicas y de contexto de receta en un sesgo inductivo fijo, lo que impide controlar el equilibrio entre química y contexto culinario; y (3) a menudo utilizan vocabularios dispersos que contienen detalles de preparación y elementos no alimentarios. Los autores postulan que una incrustación de ingrediente útil no solo debe codificar conocimiento culinario, sino también exponer la geometría subyacente como un eje de diseño controlable, habilitando herramientas que puedan navegar a lo largo de direcciones semánticas supervisadas o modos culturales emergentes.

Metodología
Los autores presentan Epicure, una familia de tres incrustaciones de ingredientes skip-gram hermanos entrenadas desde cero para abordar las limitaciones mencionadas. La metodología procede en cinco etapas:

1. Agregación de Corpus: Los autores agregaron 4,14 millones de recetas de 11 fuentes en siete idiomas (inglés, chino, ruso, vietnamita, español, turco, indonesio, alemán e inglés-indio). Los términos no ingleses se tradujeron al inglés mediante traducción automática con decodificación determinista.
2. Normalización de Vocabulario Canónico: Una pipeline aumentada con LLM (utilizando Claude Opus y Gemini Embeddings) normalizó las cadenas de ingredientes crudas en un vocabulario compartido de 1.790 entradas canónicas. Este proceso filtró elementos no alimentarios y modificadores de preparación, asegurando un conjunto de nodos limpio.
3. Construcción de Grafos: Se construyeron tres variantes de grafo que comparten los mismos 1.790 nodos de ingredientes y 203.508 aristas de co-ocurrencia ingrediente-ingrediente (I-I) ponderadas por NPMI.
   • Grafo Cooc: Contiene únicamente aristas I-I.
   • Grafo Core/Chem: Añade 2.247 nodos de compuestos FlavorDB tipificados conectados mediante 80.019 aristas ingrediente-compuesto (I-C) tipificadas. Los compuestos están etiquetados con 15 categorías de sabor (por ejemplo, cítrico, graso, picante).
4. Entrenamiento del Modelo: Se entrenaron tres variantes de Metapath2Vec con hiperparámetros idénticos (incrustaciones de 300 dimensiones, 20 épocas, muestreo negativo) pero con esquemas de paseo aleatorio diferentes:
   • Epicure-Cooc: Recorre únicamente el grafo puro de co-ocurrencia I-I.
   • Epicure-Core: Recorre el grafo de compuestos tipificados pero inyecta paseos puros I-I (repetición 10x) para mezclar señales químicas y de contexto de receta.
   • Epicure-Chem: Recorre el grafo de compuestos tipificados sin inyectar paseos I-I, dependiendo exclusivamente de rutas mediadas por compuestos.
5. Evaluación: Las incrustaciones se evaluaron utilizando sondas de dirección supervisadas (27 direcciones continuas sensoriales/nutrientes y 8 macro-regiones culinarias) y análisis factorial no supervisado (descomposición FastICA seguida de particionamiento con Modelo de Mezcla Gaussiana).

Contribuciones Clave

• Sesgo Inductivo Controlable: El artículo introduce un eje de diseño donde el espectro "química versus contexto de receta" se controla a nivel del esquema de paseo en lugar de ser una propiedad fija del modelo. Esto permite tres incrustaciones distintas (Cooc, Core, Chem) a partir de una única configuración experimental.
• Incrustaciones Multilingües y Canónicas: El trabajo proporciona la primera familia de incrustaciones alimentarias multilingües entrenada sobre un vocabulario normalizado y curado por LLM, superando las listas de ingredientes desestructuradas centradas en inglés.
• Familias de Operadores Duales: Los autores demuestran que un único espacio de 300 dimensiones soporta dos operadores de navegación complementarios:
  1. Emparejamientos de Vecino Más Cercano: Recuperación de los K vecinos superiores y los modos emergentes más cercanos.
  2. Aritmética de Direcciones SLERP: Rotación continua de un vector semilla hacia vectores polo supervisados (por ejemplo, "Suroeste Asiático") o polos de modo factor emergente, controlada por un ángulo $\theta$.

Resultados

• Recuperabilidad Lineal: Los tres modelos recuperan linealmente las sondas supervisadas. El modelo Chem supera consistentemente a Cooc y Core en calidad de dirección (media de la $d$ de Cohen para la separabilidad de cocina: 3,07 para Chem frente a 2,43 para Cooc), lo que sugiere que los paseos mediados por química actúan como un prior estructural que mejora la recuperabilidad de conceptos, incluso aquellos no codificados directamente en el esquema de paseo (por ejemplo, sabores básicos y macronutrientes del USDA).
• Isotropía y Geometría: Los modelos exhiben propiedades geométricas distintas. Cooc y Chem son altamente isotrópicos (Relación de Participación $\approx$ 174–183), mientras que Core es más concentrado (RP = 94,2) debido a los paseos I-I inyectados. A pesar de esta concentración, Core logra los modos emergentes más ajustados (coherencia 0,833 frente a 0,611/0,703), lo que indica que la concentración es una palanca de diseño deliberada y no un defecto geométrico.
• Modos Emergentes: La descomposición no supervisada recuperó 20 factores interpretables por modelo, particionados en 150–200 modos culinarios nombrados (por ejemplo, "Ingredientes dulces de repostería y postres", "Mezclas de especias enteras del sur de Asia"). Estos modos muestran alta coherencia (5–6$\times$ por encima de las líneas base aleatorias) y representan vecindades ajustadas y nombradas.
• Comportamiento de Navegación:
  • Emparejamientos: Cooc tiende a recuperar compañeros de receta (por ejemplo, ajo para pollo), mientras que Chem recupera pares de perfiles de sabor (por ejemplo, carne para pollo).
  • SLERP: Rotar semillas hacia polos supervisados o emergentes produce resultados predecibles y alineados con etiquetas. Por ejemplo, rotar "arroz" hacia "Suroeste Asiático" recupera hoja de curry y lentejas; rotar "chocolate" hacia "repostería dulce" recupera polvo para hornear y vainilla (o matcha en Chem, reflejando su sesgo químico).

Significado
El artículo argumenta que el siguiente paso en la gastronomía computacional no es simplemente crear incrustaciones más grandes, sino exponer los operadores que actúan sobre ellas. Al tratar el esquema de paseo como un eje nombrado y controlable, Epicure transforma un espacio vectorial estático en una interfaz navegable. Los tres hermanos permiten a los usuarios elegir entre vecinos de contexto de receta (Cooc) y pares de perfiles de sabor (Chem) en el mismo espacio de 300 dimensiones. Además, la combinación de búsquedas de vecino más cercano y rotación continua SLERP soporta herramientas orientadas a chefs que pueden "rotar, mezclar o recuperar" a lo largo de direcciones semánticas supervisadas y modos emergentes culturalmente coherentes. Los autores concluyen que este cambio metodológico —tratar el esquema de paseo como la variable experimental— es aplicable a cualquier fusión futura de señales culinarias, incluida nutrición, imagen o descriptores sensoriales.