Thefoodprocessor/recipe_new_with_features_full

该数据集包含多个与食谱相关的字段，如原始食谱内容、原始标题、清理后的标题、新食谱、葡萄酒类型、过敏类型、饮食类型、节日、菜系类型、餐食类型和食材替代品。数据集仅包含训练集，共有74465个样本，总大小为248827563字节。该数据集包含多个与食谱相关的字段，如原始食谱内容、原始标题、清理后的标题、新食谱、葡萄酒类型、过敏类型、饮食类型、节日、菜系类型、餐食类型和食材替代品。数据集仅包含训练集，共有74465个样本，总大小为248827563字节。

原始信息汇总

数据集概述

数据集信息

特征

• recipe_original: 字符串类型
• title_original: 字符串类型
• title_cleaned: 字符串类型
• recipe_new: 字符串类型
• wine_type: 字符串类型
• allergy_type: 字符串类型
• diet_type: 字符串类型
• holiday: 字符串类型
• cuisine_type: 字符串类型
• meal_type: 字符串类型
• ingredients_alternatives: 字符串类型

数据分割

• train: 包含74465个样本，占用248827563字节

数据集大小

• 下载大小: 117992806字节
• 数据集大小: 248827563字节

配置

• default: 包含训练数据文件，路径为data/train-*

搜集汇总

数据集介绍

构建方式

在烹饪与饮食文化数据化的浪潮中，Thefoodprocessor/recipe_new_with_features_full数据集应运而生，旨在为食谱分析与推荐系统提供结构化支持。该数据集通过整合多源食谱信息，对每条记录进行了深度特征标注，构建过程涵盖原始食谱文本的采集、清洗与标准化处理。具体而言，数据集中包含了原始食谱内容（recipe_original）、原始标题（title_original）及经过清理的标题（title_cleaned），并在此基础上衍生出全新版食谱（recipe_new），以确保文本的一致性与可用性。此外，针对每道菜肴，系统性地标注了酒品搭配类型（wine_type）、过敏原信息（allergy_type）、饮食类型（diet_type）、适用节日（holiday）、菜系归属（cuisine_type）以及餐食类别（meal_type），并提供了食材替代方案（ingredients_alternatives），从而形成一个多维度、高信息密度的结构化数据集。

特点

该数据集的核心特点在于其丰富而细致的标签体系，使其超越了一般食谱集合的范畴，成为饮食知识图谱的微观缩影。首先，饮食类型（diet_type）与过敏原类型（allergy_type）的引入，使得数据集能够精准适配不同健康需求与饮食限制的群体，为个性化推荐奠定了坚实基础。其次，菜系类型（cuisine_type）与餐食类别（meal_type）的双重分类，不仅覆盖了全球化的烹饪风格，还细化了用餐场景的识别。尤为突出的是，食材替代方案（ingredients_alternatives）字段的存在，赋予了数据集在食谱替换与适应性调整方面的独特价值，能够支持烹饪创意与资源优化。此外，酒品搭配（wine_type）与节日（holiday）信息的融入，进一步提升了数据集的实用性与文化深度，使其在美食搭配与节庆应用场景中展现出卓越的适配能力。

使用方法

该数据集以HuggingFace Datasets库的标准格式存储，用户可通过加载默认配置直接使用，其中训练集（train）包含74465条样本，总大小为248827563字节。使用方法极为简便，用户只需调用datasets.load_dataset函数，指定数据集名称'Thefoodprocessor/recipe_new_with_features_full'，即可获得包含所有特征字段的Dataset对象。在实际应用中，研究者可以基于标题、食谱文本及各类标签进行文本分类、多标签预测或推荐系统建模。例如，利用diet_type和allergy_type字段可构建饮食限制分类器，借助cuisine_type与meal_type可进行菜系与餐次识别任务。此外，ingredients_alternatives字段为生成式模型提供了丰富的替换策略训练数据，而wine_type与holiday字段则可用于搭配推荐与场景化食谱生成。数据集支持灵活的拆分与过滤操作，便于针对特定任务进行子集提取与特征工程。

背景与挑战

背景概述

在自然语言处理与食品信息学交叉领域，食谱数据的结构化与多标签标注对于智能推荐系统、饮食健康分析及个性化烹饪辅助具有重要价值。Thefoodprocessor/recipe_new_with_features_full数据集由研究团队在近年来构建，旨在提供包含丰富元信息的食谱文本资源。该数据集收录了74,465条训练样本，每条记录不仅包含原始和清洗后的食谱标题与内容，还标注了酒类搭配、过敏原、饮食类型、节日关联、菜系归属及餐食类别等维度，同时提供食材替代方案。这一多维度标注体系为跨模态食谱理解、饮食限制条件下的推荐算法以及文化饮食模式挖掘等研究奠定了数据基础，对推动食品计算领域的发展具有显著影响力。

当前挑战

该数据集所解决的领域问题在于食谱信息的语义鸿沟与个性化适配的复杂性。具体挑战包括：1）多标签分类的噪声与不平衡问题，例如某些饮食类型或菜系样本稀少，导致模型泛化困难；2）食材替代方案的语义推理，需从非结构化文本中提取可替换关系，涉及常识知识与营养学约束；3）食谱文本的领域特异性，如烹饪术语、度量单位与文化表达的多样性，增加了自然语言处理的难度。在构建过程中，挑战源自数据清洗与标注的一致性维护，例如标题与内容的多语言混杂、拼写错误、以及多源食谱格式的标准化，同时确保过敏原与饮食标签的准确映射，避免歧义与遗漏。

常用场景

经典使用场景

在烹饪科学与美食计算领域，Thefoodprocessor/recipe_new_with_features_full数据集因其丰富的结构化信息而成为多模态食谱分析的经典基石。研究者常利用该数据集进行食谱文本生成与风格迁移，例如从原始菜谱描述中提取关键步骤并生成简洁的标准化食谱，或基于菜系、餐食类型等标签对食谱进行自动分类与聚类。此外，该数据集中包含的过敏原、饮食类型及酒品搭配信息，为个性化食谱推荐系统的构建提供了理想的数据支撑，使得模型能够学习食材替代与健康约束下的食谱适配策略。

实际应用

在实际应用中，该数据集赋能了智能厨房与饮食管理平台的核心功能。基于其食谱特征，开发者能够构建实时食材替代系统，帮助用户在过敏或饮食限制条件下找到可行食谱；结合酒品搭配信息，可应用于餐厅推荐系统或个性化菜单设计，提升用户用餐体验。此外，数据集中的节庆与菜系标签被用于开发文化敏感型食谱推荐服务，在跨国食品电商或健康管理应用中实现精准的饮食方案定制，显著降低了人工标注成本并提高了推荐系统的覆盖率。

衍生相关工作

该数据集衍生了一系列经典研究工作，包括基于Transformer的食谱生成模型（如RecipeGPT）的微调训练，以及多模态食谱检索系统的基准测试。研究者还利用其过敏原与饮食类型标签，提出了面向特殊人群的食谱过滤算法，并在ACL、EMNLP等会议中发表了关于食谱结构化表示学习的论文。此外，该数据集被用于验证食材替代图网络的性能，推动了知识图谱在烹饪推荐中的落地应用，成为计算美食学领域引用率较高的基准资源之一。