[논문 리뷰] Kissing Cuisines: Exploring Worldwide Culinary Habits on the Web

Sina Sajadmanesh, Sina Jafarzadeh외 7명|arXiv (Cornell University)|2016. 10. 26.

Culinary Culture and Tourism참고 문헌 24인용 수 12

한 줄 요약

이 연구는 200개 이상의 세계 요리에서 유저가 생성한 웹 기반 레시피 157,000건을 분석하여 재료, 풍미, 영양 성분 패턴을 탐구하며, 강한 지리적 및 문화적 군집성이 드러남. SVM 및 딥러닝 모델을 사용하여 요리가 재료로부터 정확하게 예측 가능하다는 것을 입증하고, 식이 영양소와 비만, 당뇨병 등의 국가 수준 건강 지표 간의 유의미한 상관관계를 발견함.

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.

연구 동기 및 목표

• 사용자 생성 레시피의 재료, 풍미, 영양 성분을 분석하여 세계적 요리 습관을 이해하기 위해.
• 지리적 근접성과 문화적 유사성이 요리 간 재료 및 풍미 다양성에 어떻게 영향을 주는지 조사하기 위해.
• 기계학습 모델을 사용하여 재료 조합으로부터 요리 분류의 예측 능력을 평가하기 위해.
• 레시피 수준의 영양 성분과 비만, 당뇨병, 건강 지출과 같은 국가 수준 건강 통계 간의 관계를 탐색하기 위해.
• 특정 요리나 지역을 특징짓는 핵심 재료와 풍미 조합을 식별하기 위해.

제안 방법

• Yummly 및 BBC Food 데이터셋에서 157,013건의 레시피를 수집하여 200개 이상의 요리 종류를 포함함.
• 일致성을 확보하기 위해 정규화 기법을 사용해 다양한 출처 간 재료 이름을 표준화함.
• 레시피당 6개의 풍미 점수(염도, 산도, 당도, 쓴맛, 깊은 맛, 매운맛)를 추출함.
• 재료 구성에 기반해 요리를 예측하기 위해 서포트 벡터 머신(SVM) 및 딥 네트워크 모델을 훈련함.
• 국가 수준의 건강 통계(비만, 당뇨병, 이주, 건강 지출)를 활용하여 레시피 수준의 영양 데이터와 상관관계를 분석함.
• 지역적 패턴을 식별하기 위해 군집화 및 유사도 분석을 적용하여 요리 간 재료 및 풍미 사용 패턴을 분석함.

실험 결과

연구 질문

• RQ1 재료 및 풍미 프로파일은 요리 간에 어떻게 다를지, 그리고 어떤 지리적 및 문화적 패턴이 드러나나요?
• RQ2 기계학습 모델을 사용해 재료 목록으로부터 요리를 얼마나 정확하게 예측할 수 있나요?
• RQ3 레시피의 영양 성분과 비만, 당뇨병과 같은 국가 수준 건강 지표 간의 관계는 무엇인가요?
• RQ4 이주 패턴은 국가 간 재료 다양성과 요리 유사성과 어떻게 관련이 있나요?
• RQ5 어떤 재료와 풍미 조합이 특정 요리나 지역을 가장 뚜렷이 구분하나요?

주요 결과

• 이웃한 국가의 요리는 재료와 풍미에서 강한 유사성을 보이며, 지리적 및 문화적 군집성이 뚜렷함.
• 딥러닝 모델이 SVM보다 요리 예측에서 더 높은 정확도와 F-measure를 기록함. 이는 비선형 재료-요리 관계를 더 잘 모델링하기 때문임.
• 레시피의 높은 당 함량과 국가 수준의 비만율 간에 통계적으로 유의미한 상관관계가 있음.
• 모짜렐라와 같은 특정 재료는 이탈리안 요리와 같은 특정 요리에 매우 대표적이며, 지역 기원을 강력하게 예측하는 데 기여함.
• 재료 다양성은 순이주 추세와 상관관계가 있으며, 이는 요리 교환 과정이 인구 이동에 의해 영향을 받을 수 있음을 시사함.
• 레시피의 영양 프로파일은 국가 수준 건강 결과와 강하게 연관되어 있으며, 당뇨병 및 심혈관 질환 위험 지표에 명확한 패턴이 존재함.