[論文レビュー] Kissing Cuisines: Exploring Worldwide Culinary Habits on the Web

Sina Sajadmanesh, Sina Jafarzadeh+7 more|arXiv (Cornell University)|Oct 26, 2016

Culinary Culture and Tourism参考文献 24被引用数 12

ひとこと要約

本研究では、200以上の世界的な料理から抽出された157,000件のWebベースレシピを分析し、材料、風味、栄養素のパターンを調査した。その結果、地理的・文化的なクラスタリングが顕著に現れた。SVMおよびディープラーニングモデルを用いて、材料から料理を正確に予測できることを示し、肥満や糖尿病といった国レベルの健康指標と栄養摂取の間に顕著な相関関係があることが判明した。

ABSTRACT

Food and nutrition occupy an increasingly prevalent space on the web, and dishes and recipes shared online provide an invaluable mirror into culinary cultures and attitudes around the world. More specifically, ingredients, flavors, and nutrition information become strong signals of the taste preferences of individuals and civilizations. However, there is little understanding of these palate varieties. In this paper, we present a large-scale study of recipes published on the web and their content, aiming to understand cuisines and culinary habits around the world. Using a database of more than 157K recipes from over 200 different cuisines, we analyze ingredients, flavors, and nutritional values which distinguish dishes from different regions, and use this knowledge to assess the predictability of recipes from different cuisines. We then use country health statistics to understand the relation between these factors and health indicators of different nations, such as obesity, diabetes, migration, and health expenditure. Our results confirm the strong effects of geographical and cultural similarities on recipes, health indicators, and culinary preferences across the globe.

研究の動機と目的

• ユーザー生成のレシピにおける材料、風味、栄養素の分析を通じて、世界的な料理習慣を理解すること。
• 地理的接近性と文化的類似性が、料理間の材料および風味の多様性にどのように影響するかを調査すること。
• 機械学習モデルを用いて、材料の組み合わせから料理分類の予測性能を評価すること。
• レシピレベルの栄養素と国レベルの健康統計（肥満、糖尿病、医療費）との関係を調査すること。
• 特定の料理や地域を特徴付ける主要な材料および風味プロファイルを同定すること。

提案手法

• YummlyおよびBBC Foodのデータセットから157,013件のレシピを収集し、200以上の料理をカバーした。
• 正規化技術を用いて、複数のデータソース間で材料名を統一し、一貫性を確保した。
• 1レシピあたり6つの風味スコア（塩分、酸味、甘味、苦味、うま味、辛味）を抽出した。
• 材料構成に基づいて料理を予測するため、サポートベクターマシン（SVM）およびディープニューラルネットワークモデルを訓練した。
• 国レベルの健康統計（肥満、糖尿病、移住、医療費）を用いて、レシピレベルの栄養データと相関を分析した。
• クラスタリングおよび類似性分析を適用し、料理間における材料および風味使用の地域的パターンを同定した。

実験結果

リサーチクエスチョン

• RQ1 材料および風味プロファイルは料理によってどのように異なるのか。地理的・文化的なパターンはどのようなものか。
• RQ2 機械学習モデルを用いて、材料のリストから料理をどれほど正確に予測できるのか。
• RQ3 レシピの栄養素と国レベルの健康指標（肥満、糖尿病）との関係は何か。
• RQ4 移住パターンは、国々間の材料多様性および料理の類似性とどのように関連しているか。
• RQ5 どの材料や風味の組み合わせが特定の料理や地域を最も特徴づけるか。

主な発見

• 隣接する国々の料理は、材料および風味において強く類似しており、地理的・文化的クラスタリングが顕著に現れている。
• ディープラーニングモデルはSVMを上回り、非線形な材料－料理関係をよりよくモデル化できるため、より高い正確性とFスコアを達成した。
• レシピ内の糖類含有量と国レベルの肥満率との間に顕著な数量的相関関係がある。
• モツァレラなど一部の材料は、イタリア料理など特定の料理に強く関連しており、地域的起源の強力な予測要因となっている。
• 材料の多様性は、Net Migrationトレンドと相関しており、移住が料理の交流に影響を与えている可能性を示唆している。
• レシピの栄養プロファイルは国レベルの健康結果と強く関連しており、糖尿病および心血管リスク指標に明確なパターンが見られた。