美团到店研发平台与天津大学刘安安教授团队合作，开展了“基于多模态信息抽取的菜品知识图谱构建”的科研项目。该项目旨在利用多模态检索技术实现图文食材识别，扩展多模态菜品食材识别的范围，提升食材识别准确性，为到店餐饮精细化运营提供更细粒度的视角和抓手。

🎉 **多模态信息抽取技术**：该项目利用多模态检索技术，将图像和文本信息结合起来，实现图文食材识别。例如，通过识别菜品图片中的食材，并结合菜品描述文本，可以更准确地识别食材种类和数量。

🎉 **菜品知识图谱构建**：基于多模态信息抽取技术，项目构建了菜品知识图谱，包含菜品名称、食材、烹饪方法、口味等信息。该知识图谱可以帮助餐饮商家更好地理解菜品信息，并进行精细化运营。

🎉 **精细化运营**：菜品知识图谱可以为到店餐饮提供更细粒度的视角，帮助商家更好地理解用户需求，优化菜品供应链，提升用户体验。例如，商家可以根据知识图谱分析用户对不同食材的偏好，并根据用户需求调整菜品供应。

🎉 **扩展多模态菜品食材识别的范围**：项目利用多模态信息抽取技术，扩展了菜品食材识别的范围。例如，可以识别一些较为模糊的食材，例如“青菜”或“肉类”，并将其细化到具体种类。

🎉 **提升食材识别准确性**：通过结合图像和文本信息，项目提升了食材识别的准确性。例如，可以识别一些难以通过图像识别出来的食材，例如“香菜”或“辣椒”。

菜品作为到店餐饮各相关业务的基石，提供了更细粒度的视角理解餐饮供给，为到餐精细化运营提供了抓手。美团到店研发平台/数据智能平台部与天津大学刘安安教授团队展开了“基于多模态信息抽取的菜品知识图谱构建”的科研合作，利用多模态检索实现图文食材的识别，扩展了多模态菜品食材识别的范围，提升了食材识别的准确性。