RecipeDB2
由IIIT-Delhi CoSyLab实验室构建的大规模结构化菜谱数据集，包含128,942份菜谱和35,474种食材，覆盖32个地区99个国家，整合了食材实体识别、营养链接和文化标注信息，旨在使菜谱数据可计算化
时间轴 (近 90 天)
RecipeDB2 是由 IIIT-Delhi 的研究团队构建的结构化菜谱数据集，将每份菜谱分解为带类型的食材实体、锚定到参考营养数据库并标注地理文化与膳食背景信息
RecipeDB2 汇编了 128,942 份菜谱，涵盖 35,474 种食材，来自 32 个地区、99 个国家
RecipeDB2 使用基于 Transformer 的命名实体识别模型解析食材短语，将其拆分为七种烹饪属性
RecipeDB2 通过 BERT 嵌入策略将食材链接到美国农业部（USDA）的参考营养表
在对 200 个最高频食材的人工裁定集合上，营养链接的 F1 值达到 87.90
RecipeDB2 为每种映射后的食材提供 148 个营养参数
RecipeDB2 使用随机森林分类器将 34 个食材类别扩展到整个食材词汇表
RecipeDB2 使用一套确定性的保守规则集为每份菜谱分配膳食风格（如素食、纯素等）
RecipeDB2 数据集已通过 IIIT-Delhi 的 CoSyLab 实验室公开发布，网址为 cosylab.iiitd.edu.in/recipedb2
F1 = 87.90 的评估集限定在 200 个最高频食材上，研究团队未给出长尾低频食材链接质量的独立评估数字
还有 1 条时间轴事件
全部知识事实 (11)
RecipeDB2 采用分层工程化方案：NER 负责语言解析、BERT 嵌入负责实体链接、随机森林负责类别传播、规则集负责膳食风格判定，而非用单一大模型处理
50%待验证RecipeDB2 汇编了 128,942 份菜谱，涵盖 35,474 种食材，来自 32 个地区、99 个国家
50%待验证RecipeDB2 使用基于 Transformer 的命名实体识别模型解析食材短语，将其拆分为七种烹饪属性
50%待验证RecipeDB2 通过 BERT 嵌入策略将食材链接到美国农业部（USDA）的参考营养表
50%待验证在对 200 个最高频食材的人工裁定集合上，营养链接的 F1 值达到 87.90
50%待验证RecipeDB2 为每种映射后的食材提供 148 个营养参数
50%待验证RecipeDB2 使用随机森林分类器将 34 个食材类别扩展到整个食材词汇表
50%待验证RecipeDB2 使用一套确定性的保守规则集为每份菜谱分配膳食风格（如素食、纯素等）
50%待验证RecipeDB2 是由 IIIT-Delhi 的研究团队构建的结构化菜谱数据集，将每份菜谱分解为带类型的食材实体、锚定到参考营养数据库并标注地理文化与膳食背景信息
50%待验证F1 = 87.90 的评估集限定在 200 个最高频食材上，研究团队未给出长尾低频食材链接质量的独立评估数字
50%待验证RecipeDB2 数据集已通过 IIIT-Delhi 的 CoSyLab 实验室公开发布，网址为 cosylab.iiitd.edu.in/recipedb2
50%