Modelo generador de recetas personalizadas en español de la gastronomía peruana usando deep learning

Abstract

La generación de lenguaje natural (NLG) es una subárea del procesamiento de lenguaje natural orientada a la producción automática de texto comprensible para humanos. Entre sus múltiples aplicaciones, destaca la generación automática de recetas culinarias, una tarea que requiere no solo conocimientos técnicos, sino también creatividad, sensibilidad cultural y tiempo. Aunque estos procesos resultan complejos para las personas, los modelos de lenguaje permiten automatizarlos de forma eficiente, escalable y personalizada. Modelos como Chef Watson y adaptaciones de GPT-2 entrenadas con el corpus Recipe1M+ han mostrado resultados prometedores en inglés y en contextos internacionales. Sin embargo, la gastronomía peruana ha recibido poca atención en estos sistemas, la mayoría de los cuales fueron diseñados originalmente para el idioma inglés, sin considerar las particularidades culturales y lingüísticas del español. Este estudio presenta un modelo generador de recetas personalizadas en español, centrado en la gastronomía peruana, basado en GPT-2 Spanish, una versión preentrenada con 11,5 GB de texto en español. El modelo fue ajustado mediante fine-tuning utilizando un corpus obtenido mediante web scraping de fuentes confiables de recetas peruanas, e incorporo un módulo de reconocimiento de entidades nombradas (NER) para mejorar la identificación de ingredientes. Se evaluaron cuatro configuraciones: (1) GPT-2 Base, (2) GPT-2 Base + NER, (3) GPT-2 + Fine-tuning, y (4) GPT-2 + Fine-tuning + NER. Los resultados, evaluados mediante las métricas BLEU, BERTScore y COMET, muestran que la variante GPT-2 + Fine-tuning obtuvo el mejor desempeño general, generando recetas más coherentes, culturalmente auténticas y lingüísticamente adecuadas.