Epicure: Navigating the Emergent Geometry of Food Ingredient Embeddings

Resumo Técnico: Epicure: Navegando pela Geometria Emergente de Embeddings de Ingredientes Alimentares

Declaração do Problema
Abordagens existentes em gastronomia computacional, como o FlavorGraph, estabeleceram embeddings abrangentes de alimentos combinando dados químicos (FlavorDB) com co-ocorrência de receitas (Recipe1M+). No entanto, trabalhos anteriores identificaram três limitações críticas nesses modelos: (1) eles dependem de corpora de língua única, centrados no inglês; (2) fundem sinais químicos e de contexto de receita em um viés indutivo fixo, impedindo o controle sobre o equilíbrio entre química e contexto culinário; e (3) frequentemente utilizam vocabulários dispersos contendo detalhes de preparação e itens não alimentares. Os autores postulam que um embedding de ingrediente útil deve não apenas codificar conhecimento culinário, mas também expor a geometria subjacente como um eixo de design controlável, permitindo ferramentas que naveguem ao longo de direções semânticas supervisionadas ou modos culturais emergentes.

Metodologia
Os autores apresentam o Epicure, uma família de três embeddings de ingredientes irmãos do tipo skip-gram treinados do zero para abordar as limitações supracitadas. A metodologia prossegue em cinco etapas:

1. Agregação de Corpus: Os autores agregaram 4,14 milhões de receitas de 11 fontes em sete idiomas (inglês, chinês, russo, vietnamita, espanhol, turco, indonésio, alemão e inglês-indiano). Termos não em inglês foram traduzidos automaticamente para inglês usando decodificação determinística.
2. Normalização de Vocabulário Canônico: Um pipeline aumentado por LLM (usando Claude Opus e Gemini Embeddings) normalizou strings brutas de ingredientes em um vocabulário compartilhado de 1.790 entradas canônicas. Este processo filtrou itens não alimentares e modificadores de preparação, garantindo um conjunto de nós limpo.
3. Construção de Grafos: Três variantes de grafo foram construídas, compartilhando os mesmos 1.790 nós de ingredientes e 203.508 arestas de co-ocorrência ingrediente-ingrediente (I-I) ponderadas por NPMI.
   • Grafo Cooc: Contém apenas arestas I-I.
   • Grafo Core/Chem: Adiciona 2.247 nós de compostos FlavorDB tipados, conectados por 80.019 arestas ingrediente-composto (I-C) tipadas. Os compostos são marcados com 15 categorias de sabor (por exemplo, cítrico, gorduroso, picante).
4. Treinamento do Modelo: Três variantes do Metapath2Vec foram treinadas com hiperparâmetros idênticos (embeddings de 300 dimensões, 20 épocas, amostragem negativa), mas com esquemas de caminhada aleatória distintos:
   • Epicure-Cooc: Caminha apenas pelo grafo puro de co-ocorrência I-I.
   • Epicure-Core: Caminha pelo grafo de compostos tipados, mas injeta caminhadas puras I-I (repetição 10x) para fundir sinais químicos e de contexto de receita.
   • Epicure-Chem: Caminha pelo grafo de compostos tipados sem caminhadas I-I injetadas, dependendo exclusivamente de caminhos mediados por compostos.
5. Avaliação: Os embeddings foram avaliados usando sondas de direção supervisionadas (27 direções contínuas sensoriais/nutricionais e 8 macro-regiões culinárias) e análise fatorial não supervisionada (decomposição FastICA seguida por particionamento por Modelo de Mistura Gaussiana).

Principais Contribuições

• Viés Indutivo Controlável: O artigo introduz um eixo de design onde o espectro "química versus contexto de receita" é controlado no nível do esquema de caminhada, em vez de ser uma propriedade fixa do modelo. Isso permite três embeddings distintos (Cooc, Core, Chem) a partir de uma única configuração experimental.
• Embeddings Multilíngues e Canônicos: O trabalho fornece a primeira família de embeddings de alimentos multilíngues treinada sobre um vocabulário normalizado e curado por LLM, indo além de listas de ingredientes desestruturadas e centradas no inglês.
• Famílias de Operadores Duais: Os autores demonstram que um único espaço 300-D suporta dois operadores de navegação complementares:
  1. Emparelhamentos por Vizinho Mais Próximo: Recuperação dos K vizinhos superiores e dos modos emergentes mais próximos.
  2. Aritmética de Direção SLERP: Rotação contínua de um vetor semente em direção a vetores de polo supervisionados (por exemplo, "Sul-Asiático") ou polos de modo-fator emergentes, controlada por um ângulo $\theta$.

Resultados

• Recuperabilidade Linear: Todos os três modelos recuperam linearmente as sondas supervisionadas. O modelo Chem supera consistentemente o Cooc e o Core na qualidade de direção (d de Cohen médio para separabilidade de culinária: 3,07 para Chem vs. 2,43 para Cooc), sugerindo que caminhadas mediadas por química atuam como um prior estrutural que melhora a recuperabilidade de conceitos, mesmo daqueles não codificados diretamente no esquema de caminhada (por exemplo, sabores básicos e macronutrientes do USDA).
• Isotropia e Geometria: Os modelos exibem propriedades geométricas distintas. Cooc e Chem são altamente isotrópicos (Razão de Participação $\approx$ 174–183), enquanto Core é mais concentrado (PR = 94,2) devido às caminhadas I-I injetadas. Apesar dessa concentração, o Core alcança os modos emergentes mais coesos (coerência 0,833 vs. 0,611/0,703), indicando que a concentração é uma alavanca de design deliberada e não um defeito geométrico.
• Modos Emergentes: A decomposição não supervisionada recuperou 20 fatores interpretáveis por modelo, particionados em 150–200 modos culinários nomeados (por exemplo, "Ingredientes doces de confeitaria e sobremesas", "Misturas de especiarias inteiras do Sul da Ásia"). Esses modos mostram alta coerência (5–6$\times$ acima de baselines aleatórias) e representam vizinhanças coesas e nomeadas.
• Comportamento de Navegação:
  • Emparelhamentos: Cooc tende a recuperar companheiros de receita (por exemplo, alho para frango), enquanto Chem recupera pares de perfil de sabor (por exemplo, carne para frango).
  • SLERP: Rotacionar sementes em direção a polos supervisionados ou emergentes produz resultados previsíveis e alinhados com rótulos. Por exemplo, rotacionar "arroz" em direção a "Sul-Asiático" recupera folha de curry e lentilhas; rotacionar "chocolate" em direção a "confeitaria doce" recupera fermento em pó e baunilha (ou matcha no Chem, refletindo seu viés químico).

Significância
O artigo argumenta que o próximo passo na gastronomia computacional não é meramente criar embeddings maiores, mas expor os operadores que atuam sobre eles. Ao tratar o esquema de caminhada como um eixo nomeado e controlável, o Epicure transforma um espaço vetorial estático em uma interface navegável. Os três irmãos permitem que os usuários escolham entre vizinhos de contexto de receita (Cooc) e pares de perfil de sabor (Chem) no mesmo espaço 300-D. Além disso, a combinação de consultas de vizinho mais próximo e rotação contínua SLERP suporta ferramentas voltadas para chefs que podem "rotacionar, misturar ou recuperar" ao longo de direções semânticas supervisionadas e modos emergentes culturalmente coesos. Os autores concluem que essa mudança metodológica — tratar o esquema de caminhada como a variável experimental — aplica-se a qualquer fusão futura de sinais culinários, incluindo nutrição, imagem ou descritores sensoriais.