20% → 97%
accuracy in ingredient matching
Tel que publié sur pinecone.io. Capturé par usedby le 8 oct. 2026.
Ce qui s’est passé
Allspice, a food technology company, uses Pinecone as a vector database to match messy ingredient text to its structured ingredient database. It also powers recipe similarity, fuzzy recipe search, and chatbot input normalization.
Résumé rédigé par usedby à partir de la page source, en anglais. Les chiffres sont ceux de Pinecone et de Allspice, pas les nôtres.
- 110,000“the platform now manages a growing library of 110,000 total embeddings”
- 100,000“The platform now indexes approximately 100,000 recipe embeddings.”
- 10,000“approximately 10,000 ingredient embeddings”
Before Pinecone, ingredient matching accuracy sat at roughly 20% — far too low to support a production feature. After implementation, accuracy jumped to 97%, with Pinecone serving as the core enabling piece of the matching system.
Now more than ever, it is crucial to iterate quickly. I would have never tried Pinecone without a cloud-hosted, serverless option. I needed something that I could set up in an afternoon and get working in a basic pipeline to evaluate the effectiveness of my solution to my problems.
Ce que dit le témoignage, et ce que nous avons vérifié
Nous avons comparé le témoignage à sa page en ligne le 8 oct. 2026.
- Le chiffre : 20% → 97%VérifiéLe chiffre est sur la page ; son libellé est formulé par nous.
- L’extrait cité plus hautVérifiéCopié mot pour mot depuis la page, près du nom de Allspice.
- Allspice utilise PineconeVérifiéLigne de niveau Confirmé. Dernière vérification, toutes sources confondues : 8 oct. 2026.
- Le résultat lui-mêmeNon vérifiéNous le citons ; nous ne l’avons pas mesuré.
Autres témoignages
Même entreprise, même outil ou même secteur.
