kerala-recipes

该数据集名为“Kerala Recipes & Meal Pairings”，是一个手工制作的包含89道正宗喀拉拉邦（南印度）家庭菜肴的数据集，采用CC BY 4.0许可。数据集以英语和马拉雅拉姆语双语提供，旨在保留传统“Nadan”家庭烹饪知识，以结构化格式支持食谱查看器、膳食计划或烹饪应用的构建。每道菜均提供精确的人均配料量（以家庭厨房单位如杯、汤匙、个为单位），并包含实用的缩放规则：主料和蔬菜按人数线性缩放，香料和辣椒逐步缩放以防止过量，调味和叶子类固定不变。此外，数据集包含250个传统餐食搭配推荐，展示与主菜相配的咖喱、配菜和佐餐组合（如Kappa与鱼咖喱、Puttu与Kadala，以及Onam Sadya盛宴）。文件包括：kerala_dishes.json（完整菜品记录，含配料、步骤、辣度、准备/烹饪时间）、meal_pairs.json（传统搭配推荐及完整盛宴模板）、kerala_dishes.csv（电子表格格式）。该数据集适用于食谱推荐、烹饪计算、文化传承研究等任务。The dataset is named "Kerala Recipes & Meal Pairings," a handcrafted collection of 89 authentic Kerala (South Indian) home-style dishes, licensed under CC BY 4.0. It is bilingual in English and Malayalam, aiming to preserve traditional "Nadan" home cooking knowledge and support the construction of recipe viewers, meal planners, or cooking applications in a structured format. Each dish provides precise per-person ingredient quantities (in household units such as cups, tablespoons, pieces) and includes practical scaling rules: main ingredients and vegetables scale linearly with the number of people, spices and chilies scale gradually to prevent overuse, and seasonings and leafy items remain fixed. Additionally, the dataset contains 250 traditional meal pairing recommendations, showcasing side dishes, curries, and accompaniments that complement main dishes (e.g., Kappa with fish curry, Puttu with Kadala, and the Onam Sadya feast). Files include: kerala_dishes.json (complete dish records with ingredients, steps, spiciness, prep/cooking time), meal_pairs.json (traditional pairing recommendations and full feast templates), and kerala_dishes.csv (spreadsheet format). The dataset is suitable for tasks such as recipe recommendation, cooking computation, and cultural heritage research.

原始信息汇总

📊 数据集概述

数据集名称：Kerala Recipes & Meal Pairings
许可证：CC BY 4.0
语言：英语（en）、马拉雅拉姆语（ml）
数据规模：n<1K（少于1000条）

---

🍛 数据集内容

• 菜品数量：89道正宗的喀拉拉邦（南印度）家常菜，涵盖日常主食（如Nadan Meen Curry、Appam、Puttu、Avial、Thoran）和节日特色菜（如Onam Sadya、Parippu Pradhaman、Thalassery Biryani）。
• 食材与份量：
  • 每道菜提供1人份基础用量，并包含实际扩展规则：
    • 主食材和蔬菜：按人数线性缩放（数量 × 人数）。
    • 香料和辣椒：逐步增加，避免过量。
    • 调味料和香叶：保持固定。
  • 使用家庭厨房计量单位（杯、汤匙、茶匙、个数）以及克数。
• 传统搭配推荐：包含250条主食与咖喱、配菜、腌菜等的传统搭配链接。
• 双语名称：每道菜提供英文标题和马拉雅拉姆语脚本（如 നാടൻ മീൻ കറി）。

---

🗂️ 文件结构

• kerala_dishes.json：完整的菜品记录，包括食材、逐步烹饪方法、辣度、准备和烹饪时间。
• meal_pairs.json：传统搭配推荐和完整宴席模板（如Onam Sadya、喀拉拉早餐、Kappa-Meen组合）。
• kerala_dishes.csv：电子表格格式。

---

🍃 数据集用途

该数据集旨在以结构化格式保存传统Nadan家庭烹饪知识，适用于构建菜谱查看器、膳食规划器或烹饪应用。同时提供了一个在线交互式演示（Recipe Calculator and Pairing Explorer），可访问：Kerala Recipes Demo Space。

---

📜 使用许可

数据集采用 CC BY 4.0 许可证，允许自由用于项目、应用和研究。

搜集汇总

数据集介绍

构建方式

该数据集以传统喀拉拉邦家庭烹饪为蓝本，手工编纂了89道地道菜肴，每道菜均以单人份为基准，精确标注了主料、蔬菜、香料及调味品的用量，并提供了1至20人份的扩展规则。数据构建注重实用性与文化保真性，采用家庭厨房常用计量单位（如杯、汤匙、个）与克重并存，同时收录了马拉雅拉姆语菜名，确保双语对应。此外，数据集还整合了250条传统膳食搭配推荐，涵盖香蕉叶盛宴、早餐组合等完整用餐模板，以JSON和CSV格式存储，便于访问与应用。

特点

该数据集的核心特点在于其精细的份量扩展机制与深刻的饮食文化嵌入。针对不同食材，扩展策略各异：主料与蔬菜线性增长，香料与辣椒渐进式调整以避免过度调味，而煸炒与香叶则保持恒定，此举精准反映了南印度烹饪的实践智慧。数据集的膳食搭配模块独具匠心，呈现如Kappa与鱼咖喱、Puttu与Kadala等经典组合，甚至包括Onam Sadya盛宴的完整菜序，为开发者提供了丰富的菜谱推荐逻辑。双语命名与家庭计量单位进一步凸显其亲民性与文化传承价值。

使用方法

使用者可直接加载JSON或CSV文件，通过编程接口检索每道菜肴的详细配料、步骤及时间信息，并调用份量缩放算法实现动态计算。对于菜谱应用或膳食规划器，可基于meal_pairs.json构建搭配推荐系统，根据主菜自动匹配传统配菜与蘸料。同时，HuggingFace空间提供了交互式演示，便于非技术用户探索数据集的维度。鉴于CC BY 4.0许可，该数据集可自由融入商业或研究项目，只需适当归属，即可作为构建个性化南印度烹饪助手或文化教育工具的坚实数据基础。

背景与挑战

背景概述

该数据集由Fathi7ma等研究者于近年创建，旨在系统化保存喀拉拉邦传统家庭烹饪（Nadan）的知识。其核心研究问题在于，现有在线食谱数据集多为扁平结构，缺乏精准的按人份量化、传统餐食搭配及文化语境信息。该数据集收录89道正宗喀拉拉菜肴，包含双语名称、家庭厨房度量、可扩展的配料比例及250条传统搭配建议，为食谱查看器、膳食规划及烹饪应用提供了结构化数据基础。其发布促进了区域饮食文化的数字化传承，对食品信息学、计算语言学及文化计算领域具有参考价值，并配套了交互式演示空间，提升了数据可用性与影响力。

当前挑战

该数据集所解决的领域挑战在于，通用食谱数据常忽略家庭烹饪的模糊性，如香料用量需随人数非线性调整，而搭配知识（如Kappa与鱼咖喱）依赖于隐性文化传统，难以从通用博客中提取。构建过程中，研究者需平衡精确性（克数）与实用性（杯、汤匙），并确保89道菜品的比例规则适用于不同人数，同时收集并验证250组传统搭配，工作量繁重。此外，维持英文与马拉雅拉姆语的双语一致性、食谱的领域真实性，以及有限样本（n<1K）的可扩展性，均为构建中的关键挑战。

常用场景

经典使用场景

该数据集聚焦于喀拉拉邦传统家常菜肴的数字化整理，收录了89道具有代表性的菜品，涵盖日常主食与节日盛宴。每道菜均提供基于一人份的精确配料、家庭常用计量单位（如杯、勺、个）以及传统膳食搭配建议。这使其成为构建食谱查看器、膳食规划应用或烹饪教学系统的理想数据源。研究者可利用该数据集的标准化结构，开发支持多语言（英语与马拉雅拉姆语）的食谱展示平台，或建立烹饪知识图谱，以促进南印度饮食文化的传承与传播。

衍生相关工作

该数据集的发布催生了一系列相关研究与实践。一方面，基于其可扩展的量化规则，研究者构建了食谱参数化生成模型，探索自动调整菜谱以匹配不同人群需求的算法；另一方面，其搭配关系数据被用于餐饮知识图谱的搭建，支持基于上下文的膳食推荐系统。此外，该数据集还启发了针对低资源语言（如马拉雅拉姆语）的食谱文本分类与信息抽取工作，为多语言烹饪信息处理提供了高价值的基准语料。

数据集最近研究

最新研究方向

该数据集聚焦于南印度喀拉拉邦传统家常菜肴的结构化整理，其前沿研究方向在于通过精确的人均配料量化、家庭厨房计量单位及传统餐饮搭配规则，为个性化膳食规划与智能烹饪应用提供数据支撑。结合当前食品计算与饮食文化数字化趋势，该数据集有助于推动区域美食的语义建模、多语言菜谱生成及基于文化语境的推荐系统开发，同时促进对印度南部饮食遗产的计算化保存与传承。其关于香料非线性缩放与配餐知识图谱的构建，为美食信息学中的量化烹饪与跨文化饮食理解提供了独特的数据资产。