FoodTaxo: Generating Food Taxonomies with Large Language Models

📄 arXiv: 2505.19838v1 📥 PDF

作者: Pascal Wullschleger, Majid Zarharan, Donnacha Daly, Marc Pouly, Jennifer Foster

分类: cs.CL, cs.AI

发布日期: 2025-05-26

备注: To be published in ACL 2025 Industry Track. Paper website: https://foodtaxo.github.io/

💡 一句话要点

FoodTaxo：利用大型语言模型自动生成食品分类体系

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 食品分类体系 自动化生成 提示工程 知识图谱

📋 核心要点

  1. 现有食品分类体系构建耗时且依赖专家知识，缺乏自动化方法。
  2. 提出FoodTaxo，利用大型语言模型迭代生成或补全食品分类体系，降低人工成本。
  3. 实验表明Llama-3在食品分类任务上具有潜力，但内部节点放置仍具挑战。

📝 摘要（中文）

本文研究了大型语言模型在自动生成和补全分类体系方面的效用，特别是在食品技术行业的分类体系应用中。我们探索了在多大程度上可以从种子分类体系完成分类体系，或者在没有种子的情况下，从一组已知的概念中以迭代的方式生成分类体系，并使用最新的提示技术。在使用开源LLM（Llama-3）对五个分类体系进行的实验表明，虽然结果很有希望，但也指出了正确放置内部节点的难度。

🔬 方法详解

问题定义：论文旨在解决食品技术领域分类体系构建的自动化问题。现有方法依赖人工专家，成本高昂且耗时。论文关注如何利用大型语言模型（LLM）自动生成或补全食品分类体系，降低对人工干预的需求。现有方法的痛点在于缺乏自动化和可扩展性。

核心思路：论文的核心思路是利用LLM强大的语言理解和生成能力，通过迭代的方式构建或补全食品分类体系。通过提示工程（Prompt Engineering），引导LLM学习已有的食品概念和关系，并生成新的概念和关系，从而逐步完善分类体系。这种方法旨在模仿人类专家构建分类体系的过程，但利用LLM的自动化能力加速这一过程。

技术框架：整体框架是一个迭代过程，包含以下主要阶段：1) 种子分类体系输入：如果存在，则输入一个初始的种子分类体系。2) 概念提取：从已知的食品概念集合中提取相关概念。3) 关系生成：利用LLM生成概念之间的层级关系，例如“是...的一种”或“包含...”。4) 分类体系构建/补全：根据生成的关系，构建或补全分类体系。5) 评估与迭代：评估生成的分类体系的质量，并根据评估结果进行迭代优化。这个过程可以重复多次，直到达到满意的分类体系。

关键创新：论文的关键创新在于将大型语言模型应用于食品分类体系的自动生成和补全。与传统方法相比，该方法无需大量的人工标注数据，而是利用LLM的预训练知识和生成能力，实现自动化构建。此外，论文还探索了不同的提示策略，以提高LLM生成分类体系的质量。

关键设计：论文使用了开源LLM Llama-3。提示工程是关键设计之一，论文探索了不同的提示策略，例如使用不同的提示语、调整提示的长度和结构等。实验中，使用了五个不同的食品分类体系进行评估。具体的参数设置和损失函数未知，因为论文侧重于探索LLM在分类体系生成方面的潜力，而非优化特定的模型参数。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，Llama-3在食品分类体系生成方面具有潜力，能够生成较为合理的分类体系结构。然而，实验也发现，LLM在正确放置内部节点方面存在困难，这表明需要进一步研究如何提高LLM对层级关系的理解和推理能力。具体的性能数据和提升幅度未知。

🎯 应用场景

该研究成果可应用于食品工业的多个领域，例如食品溯源、营养分析、智能食谱推荐等。自动生成的食品分类体系可以帮助企业更好地组织和管理食品数据，提高运营效率。此外，该技术还可以应用于其他领域的分类体系构建，例如生物医学、材料科学等。

📄 摘要（原文）

We investigate the utility of Large Language Models for automated taxonomy generation and completion specifically applied to taxonomies from the food technology industry. We explore the extent to which taxonomies can be completed from a seed taxonomy or generated without a seed from a set of known concepts, in an iterative fashion using recent prompting techniques. Experiments on five taxonomies using an open-source LLM (Llama-3), while promising, point to the difficulty of correctly placing inner nodes.