Epicure: Navigating the Emergent Geometry of Food Ingredient Embeddings

Motivation

• Known: FlavorGraph는 FlavorDB chemistry와 Recipe1M+ co-occurrence를 단일 Metapath2Vec 모델에 결합한 가장 포괄적인 공개 food embedding이다. Dense embedding에서의 linear directions, embedding isotropy, WEAT 기반 semantic axis 진단 등의 관련 연구가 선행되어 있다.
• Gap: 기존 FlavorGraph는 단일 English-centric corpus, chemistry와 recipe-context signal의 고정된 혼합, 산발적인 ingredient vocabulary라는 제약을 가진다. Multilingual corpus에서의 ingredient embedding과 chemistry-vs-recipe-context 신호 비율을 제어 가능하게 하는 연구가 부족하다.
• Why: Culinary knowledge를 computational representation으로 모델링하는 것은 menu assistant, cross-cuisine navigation, sensory/nutrient-aware exploration 등 실용적 downstream tool을 가능하게 한다. Multilingual 접근은 global culinary diversity를 반영하고 controlled design axis는 ingredient embedding의 해석 가능성과 유연성을 높인다.
• Approach: LLM-augmented canonical vocabulary normalization으로 11개 데이터셋 4.14M 레시피를 1,790개 canonical ingredient로 정규화한다. NPMI ingredient-ingredient graph와 typed FlavorDB ingredient-compound graph로부터 random-walk schema만 다르게 하는 Metapath2Vec 세 변형을 학습한다.

Achievement

Figure 4: One ICA factor per Epicure model with its GMM-mode decomposition, projected onto

선형 회복 가능성: 27개 continuous sensory/nutrient와 8개 cuisine macro-region에 대해 선형 supervised probe 구성 가능. Cuisine separability (Cohen's d)는 Cooc/Core/Chem에서 2.43/2.70/3.07. 비지도 인수분해: FastICA로 모델당 20개 interpretable factors 발견. GMM 분할로 모델당 150-200개 named culinary modes 확인, 평균 coherence 0.611/0.833/0.703 (random baseline 대비 5-8배 향상). 조작 연산: nearest-neighbour pairing과 SLERP direction arithmetic으로 supervised/emergent pole 모두 지원.

How

• 11개 공개 데이터셋에서 multilingual recipe corpus 수집 및 machine-translation으로 English 정규화
• Claude Opus와 Gemini Embedding으로 LLM-augmented canonical vocabulary 구축
• NPMI graph (203,508 edges)와 typed FlavorDB metapath graph (80,019 edges) 구성
• Cooc (co-occurrence only), Chem (typed compound metapath only), Core (controlled mixing)의 Metapath2Vec 세 변형 학습
• Supervised direction probe (27 sensory/nutrient, 8 cuisine), 5-fold repeated cross-validation Spearman ρ/Cohen's d 평가
• Multi-seed-stable FastICA로 emergent factor 추출 및 GMM clustering으로 culinary mode 분할
• SLERP arithmetic으로 seed에서 supervised/emergent pole로의 continuous interpolation

Originality

• Multilingual recipe corpus (9개 언어, 11개 소스)를 LLM-augmented normalization으로 통합하는 첫 시도
• Chemistry-vs-recipe-context를 random-walk schema 설계축으로 명시적 제어 (Cooc/Core/Chem 비교)
• Supervised direction과 emergent factor의 parallel geometry 분석으로 interpretable embedding 이중 구조 제시
• SLERP-based continuous rotation으로 semantic navigation과 factor-mode interpolation 연결

Limitation & Further Study

• 학습된 모델과 코드를 공개하지 않아 재현성 제약 (방법론만 공개)
• FlavorDB의 화학 데이터 커버리지가 523/1,790 ingredient에만 적용되어 대부분이 chemistry edge 없음
• Evaluation이 주로 embedding 기하학적 성질 (isotropy, direction quality)에 집중하고 downstream task performance 실증 부족
• Machine-translation (Claude Opus)의 품질 검증 없이 multilingual 정규화 파이프라인이 의존
• Supervised cuisine/food-group labels의 편향 및 문화적 대표성 문제 미논의

Evaluation

총평: 본 논문은 multilingual recipe corpus와 LLM-augmented normalization을 통해 ingredient embedding의 다양성과 해석 가능성을 크게 향상시킨 작업이다. Chemistry-vs-recipe-context를 controllable design axis로 명시한 것과 supervised/emergent geometry의 parallel analysis는 novel하며, 광범위한 evaluation (27 sensory + 8 cuisine + 20 unsupervised factors)이 rigor를 보강한다. 다만 모델 및 코드 미공개, downstream task 실증 부재, multilingual pipeline의 신뢰성 검증 부족이 한계이다.