学习中华小当家做菜：基于下厨房的菜谱和作者数据分析

“人莫不饮食也”，一日三餐满足了人们基本的生理需求，“鲜能知味也”在中国似乎并不成立。中国人对美食的追求从菜品数量上可见一斑：食材、刀法、烹饪方式、火候、时间等排列组合的结果，没有人能给出一个准确的数字。

今年疫情期间，受管控隔离等限制，人们的活动半径骤然缩小，居家时间大幅延长，下厨热应运而生。下厨房APP在疫情期间因为服务器过载而多次崩溃，反映出人们的下厨热情之高。在过去，厨艺的教授囿于口耳相传，何为“适量”全凭心领神会；菜品的记录依赖纸笔书籍，可获取的数量和样式都受到局限。而互联网的东风使下厨这场过去仅凭记忆或纸质资料的闭卷、半开卷考试，有了照着菜谱平台开卷的可能。下厨房就是这样一个平台。

图1-1 下厨房网页版首页截屏

从豆瓣小组演变而来的下厨房定位于“美食菜谱分享社区”，鼓励用户作为菜谱作者发布菜谱、作为菜谱跟做者上传作品。自2011年3月、7月下厨房网站和APP正式上线、发布以来，截至2020年8月，如图1-1所示：下厨房约收录2.2百万个菜谱和6.3千万个作品，在数量级上远超一本书籍可以收录的菜谱和作品数量。热门专题、烘焙甜品饮料、肉类、蔬菜水果、汤粥主食、口味特色、水产、蛋奶豆制品、米面干果腌咸等9个大类下，共有56个类和529个小类。

猪是肉类下的第一个分类，也是中国人重要的肉类食材。依据出土的骨骼标本，猪的驯化可以追溯至约九千年前。而在今天，根据国家统计局发布的2019年中国统计年鉴，猪肉的产量远超牛肉、羊肉产量，占肉类畜产品产量的68.89%。与美国人偏好鸡肉、牛肉不同，中国人对猪肉情有独钟。根据经合组织（OECD）的数据统计，2018年中国猪肉总消费量为552.19亿吨，占世界猪肉总消费量的46.08%。中国是世界上最大的猪肉消费国。想要成为“中华小当家”，绕不开对猪肉的处理。因此，本报告将在猪这一菜谱分类下展开分析。

图1-2 研究的问题

如图1-2所示，在新手阶段，用户可以作为跟做者，参照下厨房上的菜谱，做出相应的作品。“在猪的众多分类中，从哪一个分类里挑选菜谱进行学习？”、“如何采购调料？”、“如何搭配食材？”、“哪些菜谱可以举一反三？”都是学习阶段可能关注的问题。同时，菜谱作者可以尽量使用常见调料，增加菜谱被跟做的可能性。最后，菜谱平台可以增加相应内容，以引导初学者；在市集板块，可以根据用户习惯，如下厨频率、菜谱偏好等，推荐相应规格的调料；还可以搭配售卖支持度高的食材，进行组合促销等活动。在熟练掌握下厨技能后，用户可以从学习下厨的跟做者转向上传菜谱的作者。在这一阶段，菜谱作者会关注“什么样的作者更受欢迎？”。同时，跟做者和平台可以更有效地识别优秀作者，跟做者可以以此为参考之一，挑选到更容易满足心理预期的菜谱，平台则可以给予这些作者流量扶持。本报告希望通过对这些问题的分析，帮助“中华小当家”们更轻松地打怪升级。

数据说明

图2-1 数据筛选

样本数据爬取自下厨房网页版，如图2-1所示，共获取了猪这一菜谱分类下有文字步骤说明而不仅仅“详见视频”、收藏人数大于0的数据4215条，每条数据代表一个菜谱的相关信息。13个变量可以被分为菜谱特征和作者特征两类。一个完整的菜谱有名称、用料和步骤说明等特征。发布菜谱前，作者可以选择将菜谱推荐至不超过5个分类。本报告仅关心菜谱在猪这一分类下的相关子类。详细变量说明如表2-1所示。

表2-1 数据变量说明表

新手攻略

从哪一个分类中挑选菜谱学习？

综合评分、收藏人数和跟做人数是用户的重要行为。

1、综合评分

只有在菜谱页面上传了作品的用户才能对菜谱进行评价。评价时，有好极了、挺好、一般3个选项。一个用户只能对同一个菜谱持有一种评价，综合评分基于所有跟做者的评分计算得出。计算不同分类下，有综合评分的菜谱的平均评分。如图3-1（a）所示：（1）猪皮类菜谱的平均综合评分最高。获取的所有猪皮类菜谱中，三鲜火锅和双色肉皮冻的综合评分最高，数据抓取时刻的综合评分高达9.0分；（2）猪血、猪耳朵类菜谱的平均综合评分最低，可能因为二者的烹饪方式相对单一，难以达到“好极了”的评价。

2、收藏人数向跟做人数的转化率

在日常浏览时，用户可以收藏心仪的菜谱。收藏这一用户行为在一定程度上反映了跟做意愿。但是，收藏人数并不一定能转化为跟做人数。菜谱用料不常见、步骤说明不清楚等都可能是收藏人数向跟做人数转化率低的原因。本文借助中位数反映转化率的平均水平。如图3-1（b）所示：（1）猪耳朵、猪血类菜谱的平均转化率较高，可能是因为二者处理简单，烹饪方式也相对单一；猪耳朵的做法主要是卤后凉拌；而猪血分类下，“汤”类菜谱较多；（2）猪蹄类菜谱的平均转化率最低，可能因为猪蹄需要去毛，处理较为麻烦；烹饪所需时间也相对较长。

（a）综合评分

（b）收藏人数向跟做人数的转化率

图3-1 不同分类的综合评分、收藏人数向跟做人数的转化率

建议新手根据个人需求，考虑平均综合评分或收藏人数向跟做人数的转化率，在特定分类下寻找心仪的菜谱进行学习。

如何采购调料？

对用料名称分词后，过滤停用词、去除肉类食材、合并同义词，计算词频。词云图如图3-2所示，最常用的15种调料按照功效可以被大致分为：增咸提鲜（盐、酱油、蚝油）、增甜上色（白糖、冰糖）、增酸（醋）、增香（姜、葱、蒜、辣椒、胡椒、八角、花椒、香叶）和除异去腥（料酒）。分析同义词词频，生抽比老抽、酱油更为常用；白醋比陈醋、米醋更为常用；白胡椒较黑胡椒更为常用；白芝麻较黑芝麻更为常用；淀粉中玉米淀粉的词频最高；面粉中中筋面粉的词频最高。因此，当可以选购的调料数量有限，如短期留学、偶尔做饭时，出于节省，不妨在可以相互替代的同类调料中只购买最常用的一种。

进行采购时，调料的规格往往有很多选择。对保质期较长的常用调料的用量进行分析，考虑到调料用量呈右偏分布，以生抽为例：具体而言，单位为毫升时，均值约为13毫升，大于中位数10毫升。因此，使用中位数反映调料的一般用量。可以根据烹饪频率，选择合适的规格。

图3-2 菜谱用料名称词云图及相关分析

如何搭配食材？

为探究不同食材的常用烹饪方式，利用apriori算法，合并菜谱名称、用料名称的分词结果和菜谱所属分类，生成频繁项集，挖掘支持度在0.005及以上的2个词之间的关联规则。仅关注猪类食材与烹饪方式的关联规则，使用红色、蓝色分别进行标注；2个词的支持度越高，连接线条颜色越深；相关项数越多，词所在圆形越大。如图3-3（a）所示：五花肉的常用烹饪方式最多，有炒、卤、烤、红烧、面点5种。筛选每种猪类食材最常用的烹饪方式，除猪皮冻外，其余菜式都很常见。

加入其他食材的关联规则，增加相对应的灰色标注；加入同类之间的关联规则。如图3-3（b）所示：（1）汤和炒、卤和炒具有较高的支持度，经常在同一道菜的烹饪过程中使用；“汤”类、“卤”类菜谱中常预先炒制香料；“卤”好的食材常使用“炒”的方式进行烹饪；（2）烹饪方式中，“炒”和“汤”的常用食材较多；（3）猪类食材中，五花肉的相关项较多；（4）其他食材中，姜、盐、酱油、葱、料酒等拥有较多的相关项，与用料名称词云图的结果相合。

此外，面粉和肥肠的支持度为较高，阅读步骤说明，可以发现：常使用面粉或淀粉清洗肥肠，通常配合小苏打、盐、醋、白酒、料酒等。

（a）猪类食材与烹饪方式

（b）猪类食材、其他食材与烹饪方式

图3-3 关联分析结果

哪些菜谱可以举一反三？

考虑到操作是否熟练是菜谱能否举一反三的关键，仅保留步骤说明分词结果中的动词。如图3-4（a）所示，对不重复的动词个数至少为5的菜谱进行分析，计算每个菜谱动词的TF-IDF值，加和所有菜谱的TF-IDF后，以单词TF-IDF值之和为权重，绘制动词词云图。如图3-4（b）所示，加入食材、翻炒、煮、清洗食材是可以优先掌握的操作。使用词权重汇总的余弦相似度反映菜谱相似性大小。以跟做人数最多的鱼香肉丝为例，大蒜炒血豆腐、爆炒猪肝、蒜苔炒肉末等菜谱与其余弦相似度较高，比较容易举一反三。

（a）步骤说明数据处理过程

（b）动词词云图

图3-4 菜谱相似性分析

进阶攻略：什么样的作者更受欢迎

参考下厨房APP帮助中心的内容，如图3-5（a）所示：对于优质菜谱作者，下厨房在APP中给予“超赞作者”的认证标识，展示在用户主页和菜谱上，享受优先开设付费课程等特权；官方使用综合评分和收藏数衡量菜谱受欢迎的程度，并给出了“什么样的菜谱更受欢迎”的答案。那么，什么样的作者更受欢迎呢？

（a）下厨房APP帮助中心—超赞作者

（b）平均综合评分

（c）平均收藏数

图3-5 作者数据分析

将粉丝数、菜谱数、作品数和注册时长以上下四分之一分位数为界限离散化，分别以平均综合评分和平均收藏数为因变量，绘制是否有简介、性别、粉丝数、菜谱数、作品数和注册时长的分组箱线图。对于定量自变量，如果皮尔逊相关系数不为0且显著，使用红色标注平均值最高的一组数据；对于定性自变量，则参考假设检验结果。如图3-5（b）、（c）所示：希望创造出受欢迎菜谱的作者，可以撰写简介、积累粉丝、多发布作品。

总结与讨论

基于下厨房的菜谱数据和作者数据，本报告试图解决“中华小当家”们在初学和创作阶段，作为菜谱跟做者和菜谱作者可能遇到的问题。

本报告也存在一定局限性，主要在于：

（1）为控制样本数据的分类，本报告仅能从相应分类下爬取数据，而不能通过随机生成菜谱ID获取数据。而下厨房的分类下，仅有“最近流行”、“最受欢迎”和“评分”3种分类方式，为尽可能保证随机性，本报告从每一个分类的“最近流行”中爬取可获取的菜谱ID，再根据ID爬取数据。但是，因为可获取的ID数量有限，本报告的抽样过程并不是完全随机的；

（2）与常规认知不同的是，下厨房作者注册时长的最大值小于菜谱创建时长的最大值。经筛选，有244条样本数据的菜谱创建时长大于作者注册时长。这些菜谱的创建时间在2011年2月16日至2013年6月16日之间，是下厨房网站和APP运营的初期。下厨房创始人王旭升（UITony）在知乎的回答中提到：“百万菜谱ID段停留在2013.6.25，26日凌晨我们出了技术故障，ID增加了两位数（因为技术应急，把所有ID都以变成亿的规模重新计算）；下厨房在早期，有小几万菜谱是编辑通过征求美食博主授权整理的，ID号段不是百万。”在这244条样本数据中，存在百万和非百万的菜谱ID。如今，在下厨房创建菜谱时，无论是网站还是APP都必须先登录账号。可以推测下厨房在运营初期并无这一规定。此外，以美食博主“君之”进行验证，他在下厨房的第一个菜谱创建于2011年2月16日，但在同年6月7日才加入下厨房。可以推测，早期菜谱并非都由本人创建，也是造成这一现象的原因。因此，作者注册时长这一变量并不能准确反映作者的入驻时长。

（3）最后，考虑到中餐菜谱较烘焙菜谱，用料和步骤说明的变化更多，如果对烘焙菜谱进行分析，可以取得更好的结果。