随着中国在线食谱网站及应用的不断发展,越来越多来自不同地区的用户将他们制作的食谱分享到线上,为我们研究中国在线食谱提供了丰富的数据资源。中国作为一个地域广阔,人口众多的国家,孕育着丰富的饮食文化,衍生了多种菜系,其中最为知名的有中国八大菜系。目前基于数据驱动的中国食谱和烹饪(饮食)习惯研究还较少,我们通过数据采集技术爬取到了大量的在线食谱数据,并以这些食谱数据作为研究基础,对中国各大菜系展开探索式地数据分析。在本文中,我们对中国在线食谱从如下几个方面进行了探索。首先,本文对在线食谱的成分多样性展开分析,包括成分消费多样性及成分组合多样性;接着对中国各个菜系食谱的特色成分进行探索,并以词云的形式将结果进行可视化;其次,我们对中国在线食谱的复杂性从成分数量、烹饪时间、烹饪工艺三个方面进行了评估;再次,根据食谱的成分、口味、烹饪工艺这些特征,我们构造了食谱的特征向量空间,从而能通过文本相似度算法对食谱之间的特征向量进行相似性的分析,并通过可视化的技术进一步地探索它们所在菜系之间的关联性;最后,我们对在线食谱的辅料成分进行频繁项的挖掘,以探索经常使用的辅料成分组合。另外,互联网上对于标签的使用越来越频繁,一些社交软件如微博、推特上的许多内容都被赋予了多种标签,以方便话题搜索。而对于在线食谱而言,它们的附加标签表示的是食谱的膳食功能,例如“补钙”和“抗氧化”等。因此,对于多标签自动分类的业务需求也相应越来越广泛,而传统机器学习模型处理分类任务时通常需要繁琐的特征工程,并且它们大部分都是二分类模型,对于多标签分类任务的处理往往需要进行模型的调整和转化。为了取得更好的多标签分类效果,我们通过在深度学习平台上搭建卷积神经网络、循环神经网络,完成对在线食谱的多标签分类任务,并与传统机器学习分类模型进行性能对比。同时,为了进一步扩充在线食谱数据的训练样本,我们采用了文本数据增强技术,以期望获得更好的多标签分类效果。