Hugging Face's logo

Datasets:
somosnlp
/
RecetasDeLaAbuela

Tasks:
Question Answering
Summarization
Modalities:
Tabular
Text
Formats:
csv
Languages:
Spanish
Size:
10K - 100K
Tags:
recipes
cooking
recetas
cocina
Libraries:
Datasets
pandas
License:
Dataset card Viewer Files Community
8
RecetasDeLaAbuela / README.md
rovi27's picture
rovi27
Update README.md
c987942 verified
preview code
|
raw
history blame contribute delete
10.9 kB
metadata
license: openrail
task_categories:
  - question-answering
  - summarization
language:
  - es
pretty_name: RecetasDeLaAbuel@
size_categories:
  - 10K<n<100K
tags:
  - recipes
  - cooking
  - recetas
  - cocina
configs:
  - config_name: version_inicial
    data_files: recetasdelaabuela.csv
  - config_name: version_1
    data_files: main.csv

Motivación inicial

Este corpus ha sido creado durante el Hackathon SomosNLP Marzo 2024: #Somos600M (https://somosnlp.org/hackathon). Responde a una de las propuestas somosnlp sobre 'Recetas típicas por país/zona geográfica'.

Nombre del Proyecto

Este corpus o dataset se llama 'RecetasDeLaAbuel@' y es un homenaje a todas nuestr@s abuel@s que nos han enseñado a cocinar. Se trata de la mayor y más completa colección de recetas open-source en español de países hispanoamericanos.

Mi abuela cocinando

Corpus

Descripción

Este corpus contiene los principales elementos de una receta de cocina (título, descripción, ingredientes y preparación). Se ha completado con otros 10 atributos hasta completar un impresionante dataset con más de 280k (20k x 14) elementos (6M palabras y 40M caracteres).

  • Curated by: iXrst
  • Funded by: rovi27, sbenel, GaboTuco, iXrst
  • Language(s) (NLP): Python
  • License: openrail

Estructura

Este dataset 'RecetasDeLaAbuel@' tiene formato tabular (20k x 14). Cada fila de datos tiene los siguientes atributos:

  1. Id: Identificador numérico.
  2. Nombre: Nombre de la receta.
  3. URL: Origen web.
  4. Ingredientes: Alimentos usados.
  5. Pasos: Pasos de preparación.
  6. País: Código ISO_A3/país originario de la receta.
  7. Duracion (HH:MM): Tiempo estimado de preparación.
  8. Categoria: Tipo de receta (ej. vegetarianos, pastas, salsas, postres, cerdo, pollo etc).
  9. Contexto: Entorno de uso/consumo o contexto de la receta.
  10. Valoracion y Votos: Valoración 1-5 y número de votos.
  11. Comensales: Número de raciones.
  12. Tiempo: Tiempo del plato (ej: Desayuno, entrante, principal, acompañamiento, etc.)
  13. Dificultad: Grado de dificultad (alto/medio/bajo)
  14. Valor nutricional: Características básicas: 1) Nivel calorías/sodio (alto/medio/bajo), 2) Ausencia de grasas/grasas trans/colesterol/azúcar y 3) Nivel de fibra.

Fuentes de datos

La información básica se ha recolectado y procesado mediante las técnicas conocidas como 'web scrapping'. La información original se ha recopilado de diferentes páginas web:

  • Recetas gratis de cocina
  • Cocina peruana
  • Cocina mexicana
  • Cocina colombiana

Ponganse en contacto con nosotros para incluir recetas de su país, por favor!

Para más información sobre recetas de cocina dirijanse a la fuente original. Expresamos nuestro reconocimiento y agradecimiento a sus autores.

Procesamiento de datos

Se utilizó scripts de Python para hacer el procesamiento del corpus, y las funciones de limpieza y curación del dataset. ** https://huggingface.co/datasets/somosnlp/RecetasDeLaAbuela/blob/main/stats.pdf

Estadísticas

Son 20447 registros de recetas. ** https://github.com/recetasdelaabuela/somosnlp/blob/main/Docs/Stats.pdf

Política de Uso

Uso directo

Nuestra Misión es la creación del mejor asistente de cocina inteligente específico del idioma español (corpus Recetas de la Abuel@) que agrupe recetas de países hispanoamericanos y permita mejorar nuestra relación con la preparación y el cocinado de los alimentos.

Nuestra IA responderá a cuestiones de los sigientes tipos: 'Dime la receta del ceviche, frijoles, tortilla de patata, paella, etc' 'Qué puedo cocinar con 3 ingredientes?', 'Dime una comida de temporada para este mes de Marzo?' , 'Propón un menú mensual para una familia'

Fuera de alcance

Queda excluido cualquier uso no contemplado por la UE AI Policity (https://www.consilium.europa.eu/es/policies/artificial-intelligence/)

Entrenamiento del modelo LLM

Consultese el informe adjunto wandb: https://github.com/recetasdelaabuela/somosnlp/blob/e7f9796dc2c293ce923f31814de78c49c5b4e3f8/Docs/RecetasDeLaAbuel%40%20Report%20_%20Recetas19kTest20_gemma-2b-it-bnb-4bit%20%E2%80%93%20Weights%20%26%20Biases%20(3).pdf https://huggingface.co/datasets/somosnlp/RecetasDeLaAbuela/blob/main/RecetasDeLaAbuel%40%20Report%20_%20Recetas19kTest20_gemma-2b-it-bnb-4bit%20%E2%80%93%20Weights%20%26%20Biases.pdf

Los experimentos se realizaron utilizando HuggingFace (AWS) en la región sa-east-1, que tiene una eficiencia de carbono de 0.2 kg CO2 eq/kWh. Se realizó un acumulado de 50 horas de cómputo en HW tipo T4 (TDP 189 de 70W). Las emisiones totales estimadas son 0.7 kg eq. CO2., obtenidas a través de la web ML CO2 Impact (https://mlco2.github.io/impact/).

Links del proyecto

Uso del modelo LLM

Los modelos LLM Gemma RecetasDeLaAbuel@ se deben usar siguiendo el formato sistema/usuario/modelo (SOT='<'start_of_turn'>'',EOT='<'end_of_turn'>')"": SOT system\n {instruction} EOT SOT user\n {nombre} EOT SOT model\n {receta} EOT EOS_TOKEN. Más info en https://unsloth.ai/blog/gemma-bugs

Impacto medioambiental

Los experimentos se realizaron utilizando HuggingFace (AWS) en la región sa-east-1, que tiene una eficiencia de carbono de 0,2 kg CO2 eq/kWh. Se realizó un acumulado de 50 horas de cómputo en HW tipo T4 (TDP de 70W). Se estima que las emisiones totales son 0,7 kg eq. CO2. Las estimaciones se realizaron utilizando la web ML CO2 Impact https://mlco2.github.io/impact/#compute.

Citaciones

Este trabajo se ha basado y es continuación del trabajo desarrollado en el siguiente corpus durante el Hackhaton somosnlp 2023: https://huggingface.co/datasets/somosnlp/recetas-cocina

Debemos reconocer y agradecer públicamente la labor de su creador Fredy pues gracias a su orientación inicial hemos llegado tan lejos! https://huggingface.co/Frorozcol

Más información del magnífico proyecto inicial 'Creación de Dataset de Recetas de Comidas' de Fredy se puede encontrar en su github: https://github.com/Frorozcoloa/ChatCocina/tree/main

Asismismo debemos reconocer y agradecer la labor de Tiago en la recopilación de diversas fuentes de recetas:

  • 37 comidas saludables para cuidarse durante todo el mes
  • 101 recetas sanas para tener un menú saludable de lunes a domingo
  • 50 recetas Fáciles, Sanas, Rápidas y Económicas - Antojo en tu cocina
  • 54 recetas saludables para niños, comidas sanas y fáciles de hacer

Autores

https://huggingface.co/rovi27
https://huggingface.co/sbenel
https://huggingface.co/GabTuco
https://huggingface.co/iXrst

Asesoría Académica

Modelización de temática mediante BERTopic https://huggingface.co/andreamorgar

Cita Académica

@software{recetasdelaabuela2024, author = {Morales-Garzón, Andrea and Rocha, Oscar A. and Benel Ramirez, Sara and Tuco Casquino, Gabriel and Medina, Alberto}, title = {RecetasDeLaAbuel@}, month = March, year = 2024, url = {https://huggingface.co/datasets/somosnlp/recetasdelaabuela} }

Presentado y aceptado como poster en LatinX in Natural Language Processing Research Workshop at NAACL 2024 (https://www.latinxinai.org/naacl-2024):
https://github.com/recetasdelaabuela/somosnlp/blob/main/Paper%20NAACL/HealthyCooking_NAACL_LatinXAI_Paper.pdf

Paper Paper Paper

https://github.com/recetasdelaabuela/somosnlp/blob/main/Paper%20NAACL/HealthyCooking_NAACL_LatinXAI_Poster.pdf

HealthyCooking_NAACL_LatinXAI_Poster

Contacto

mailto: [email protected]