论文作者总结认为,这一机器学习工具有助于改善啤酒甚或其他食物和饮料的质量控制和配方开发,以更高效地满足消费者的特定需求。目前,该研究结果仍限于比利时主要的商业啤酒风格,后续可能需要更大量的样本来优化预测和克服局限性,包括识别出特定风格的影响和人口学信息,如年龄和文化等。(完)
开元国际中新网北京3月27日电 (记者 孙自法)施普林格·自然旗下学术期刊《自然-通讯》最新发表一篇机器学习论文称,研究人员提出一种机器学习方法,能帮助开发消费者喜爱度更高的含酒精和无酒精啤酒的新风味,这种方法或可帮助食品生产商以更高效和更具成本效益的方式满足特定消费者需求。
据该论文介绍,了解和预测消费者是否会喜欢新的食品风味是个复杂任务,受到众多化合物和外部因素影响。这对解读啤酒化学成分和消费者偏好之间的关系带来挑战。通常情况下,这种调研是通过消费者试验进行的,但试验受到诸多限制且效率不高。
论文通讯作者、比利时鲁汶大学Kevin Verstrepen和同事及合作者一起,从250种比利时商业啤酒(包括22种啤酒风格)中提取超过200种化学性质,并将这些数据与来自16名训练有素的品鉴小组成员的描述性感官分析数据,以及来自在线啤酒评论数据库(RateBeer)的18万多条公众消费者评论数据联系起来。他们利用这一大型数据集,训练了机器学习模型从啤酒的化学特征中关联并预测其风味和消费者评价,进一步用模型的预测改造了一种含酒精和无酒精商业啤酒来测试其有效性,结果在盲品中获得了训练有素的品鉴小组成员整体上更高的评价。
739.81MB
查看633.47MB
查看59.5MB
查看443.21MB
查看531.28MB
查看774.50MB
查看768.37MB
查看195.75MB
查看333.25MB
查看911.76MB
查看147.12MB
查看272.79MB
查看177.95MB
查看778.81MB
查看558.58MB
查看770.16MB
查看470.34MB
查看305.32MB
查看972.21MB
查看764.40MB
查看639.73MB
查看492.14MB
查看711.60MB
查看158.47MB
查看133.49MB
查看434.21MB
查看768.69MB
查看315.34MB
查看288.52MB
查看801.20MB
查看141.12MB
查看166.42MB
查看471.65MB
查看532.76MB
查看970.60MB
查看722.66MB
查看396.44MB
查看653.65MB
查看672.35MB
查看962.36MB
查看267.39MB
查看141.46MB
查看300.32MB
查看461.37MB
查看267.54MB
查看831.54MB
查看266.44MB
查看912.92MB
查看530.35MB
查看500.35MB
查看950.18MB
查看902.42MB
查看142.86MB
查看654.19MB
查看234.68MB
查看120.10MB
查看150.61MB
查看922.34MB
查看133.89MB
查看426.58MB
查看379.68MB
查看819.23MB
查看843.12MB
查看527.37MB
查看307.28MB
查看618.90MB
查看285.81MB
查看101.53MB
查看425.74MB
查看796.41MB
查看612.37MB
查看948.12MB
查看211.70MB
查看754.31MB
查看263.40MB
查看261.77MB
查看408.25MB
查看938.37MB
查看475.86MB
查看625.60MB
查看692.32MB
查看630.79MB
查看406.44MB
查看198.76MB
查看475.72MB
查看994.89MB
查看481.73MB
查看276.99MB
查看596.34MB
查看148.18MB
查看158.22MB
查看585.45MB
查看245.90MB
查看672.90MB
查看144.56MB
查看342.17MB
查看778.61MB
查看391.90MB
查看741.13MB
查看853.11MB
查看592.31MB
查看683.58MB
查看345.91MB
查看596.95MB
查看
412鹤山tn
2025-06-23 08:40:45 推荐
229188****7106
2025-06-23 04:31:29 不推荐
977152****9079
2025-06-22 19:45:08 推荐
93极限漂移赛车2
2025-06-24 10:24:46 推荐