Culinary Crossroads: A RAG Framework for Enhancing Diversity in Cross-Cultural Recipe Adaptation

論文要約：CARRIAGE による異文化料理適応における多様性の向上

1. 問題定義 (Problem)

異文化料理適応（Cross-Cultural Recipe Adaptation）とは、ある文化圏のレシピを、別の文化圏の食習慣や嗜好に合わせつつ、元の料理の本質を保持するように変換するタスクです。
既存の研究では、生成されるレシピの「質（文化適合性や元のレシピの保持）」に焦点が当てられてきましたが、「多様性（Diversity）」への配慮は不足していました。

• 既存の課題:
  • RAG（検索拡張生成）の限界: 検索された多様な文脈（レシピ）を提供しても、標準的な RAG フレームワークは生成時にその多様性を十分に活用できず、出力が均質化してしまう傾向がある。
  • LLM の限界: 閉じた本（Closed-book）の LLM は多様性が低く、文化的文脈の知識が不足している。
  • IR（情報検索）の限界: 検索結果は多様だが、元のレシピとの整合性（保存性）が低い。
• 核心となる問い: 「多様で妥当な文脈を提供された場合、標準的な RAG は多様な出力を生成できるか？」という問いに対し、本研究は「できない」という結論に至り、そのメカニズムを解明しました。

2. 提案手法：CARRIAGE (Methodology)

著者は、検索と生成の両段階で多様性を意識した、プラグアンドプレイ型の RAG フレームワーク**「CARRIAGE (Cultural-Aware Recipe Retrieval Augmented Generation)」**を提案しました。これはトレーニング不要（training-free）のフレームワークです。

CARRIAGE は、以下の 4 つの主要コンポーネントで構成されます（図 2 参照）：

1. クエリ書き換え (Query Rewriting):
   • 目的: 文化的な違いによる意味的なギャップを埋める（課題 C1）。
   • 手法: 元のレシピタイトルを内容に基づいて再生成したり、ターゲット文化に合わせた文化的適応を促すプロンプトを使用し、検索対象のレシピの多様性を高める。
2. 多様性意識型再ランク付け (Diversity-aware Re-ranking):
   • 目的: 検索結果の類似性を低減し、多様な候補を選別する（課題 C2）。
   • 手法: 従来の MMR（Maximal Marginal Relevance）アルゴリズムを拡張。単にクエリとの関連性だけでなく、「過去に RAG が生成したレシピ」との類似性も考慮し、関連性と多様性のバランスを取ったスコアリングを行う。
3. 動的コンテキスト編成 (Dynamic Context Organization):
   • 目的: 生成時に LLM が同じ文脈セグメントに依存するのを防ぐ（課題 C3）。
   • 手法: 取得した複数のレシピから、生成ごとに異なる部分集合（スライディングウィンドウ）をコンテキストとして提示する。これにより、LLM が異なる文脈情報に基づいて多様な出力を生成することを促す。
4. 対照的コンテキスト注入 (Contrastive Context Injection):
   • 目的: 生成の繰り返しを防ぎ、出力の多様性を明示的に高める（課題 C4）。
   • 手法: 同じソースレシピから生成された「過去の出力」をコンテキストとして注入し、LLM に「これまでに生成された類似の結果を避ける」よう指示する。

3. 評価指標 (Metrics)

本研究では、多様性と品質のトレードオフを評価するための包括的な指標セットを提案・使用しました。

• 多様性 (Diversity):
  • 語彙多様性 (Lexical Diversity): ユニグラム、ビッグラム、トリグラムのユニークな出現比率 (Unique-n)。
  • 意味的多様性 (Semantic Diversity): Sentence-BERT 埋め込み間のコサイン距離の平均。
  • 材料多様性 (Ingredient Diversity): 標準化された材料名のユニークな比率。
• 品質 (Quality):
  • ソースレシピの保持 (Source Recipe Preservation): BERTScore による元のレシピとの類似度。
  • 文化的適切性 (Cultural Appropriateness): 提案指標「CultureScore」。BERT ベースの分類器を用いて、生成されたレシピがターゲット文化（スペイン料理）に属する確率を予測するスコア。

4. 実験結果 (Results)

スペイン語圏（ラテンアメリカ諸国からスペインへの適応）のデータセット「RecetasDeLaAbuel@」を用いて評価を行いました。

• 主要な発見:
  • 標準的な RAG は、多様な文脈を入力としても、Closed-book LLM よりも多様性が低い結果を生成することが判明した。これは RAG が文脈の多様性を活用できていないことを示唆。
  • CARRIAGE の性能: CARRIAGE（特に LLaMA ベース）は、多様性と品質（文化的適切性、保持性）の両面で、既存の Closed-book LLM や IR ベースの手法よりも優れており、**パレート効率（Pareto efficiency）**を達成しました。
  • 相関分析: 多様性と文化的適切性の間には正の相関があり、ソースレシピの保持とは負の相関があることが確認されました。
  • コンテキスト利用の分析: 標準 RAG は生成の 76% で 1〜2 個のレシピに依存するのに対し、CARRIAGE はこの依存度を大幅に減らし、多様なコンテキストを 40% 以上多く利用していることが確認されました。

5. 主な貢献と意義 (Contributions & Significance)

1. 初の多様性指向 RAG フレームワーク: 異文化料理適応において、明示的に「多様な出力」を生成することを目的とした初の RAG フレームワークを提案しました。
2. RAG の限界の解明: 創造的なタスクにおいて、単に多様な文脈を提供するだけでは RAG が多様な出力を生み出せないこと、そしてそのメカニズム（文脈の偏った利用）を実証的に示しました。
3. 新しい評価指標の提案: 生成されたレシピの文化的適切性を自動評価する「CultureScore」を提案し、定量的評価を可能にしました。
4. 実用的な意義: 個人の多様な嗜好や食事制限に対応できる、創造的で文化的に適切なレシピ生成システムの基盤を提供しました。これは、事実と文化的基盤を組み合わせつつ主観的な変異を許容する分野全般における、創造的テキスト生成の新たな方向性を示唆しています。

6. 結論

CARRIAGE は、検索と生成の各段階に多様性を意識したコンポーネントを統合することで、異文化料理適応タスクにおいて、多様性と品質の最適なバランスを実現しました。本研究は、RAG が単なる知識の検索ツールを超え、創造的で多様な生成タスクにおいてどのように機能すべきかについての重要な洞察を提供しています。