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。
彩神vii官网中新网北京3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)
197.60MB
查看569.97MB
查看83.1MB
查看904.61MB
查看627.44MB
查看311.59MB
查看341.97MB
查看500.50MB
查看979.20MB
查看282.40MB
查看823.18MB
查看733.64MB
查看159.30MB
查看618.22MB
查看351.33MB
查看580.44MB
查看777.66MB
查看474.16MB
查看705.74MB
查看290.29MB
查看690.16MB
查看373.26MB
查看123.37MB
查看585.79MB
查看946.50MB
查看846.19MB
查看715.42MB
查看754.55MB
查看949.15MB
查看599.20MB
查看427.36MB
查看896.19MB
查看501.28MB
查看757.89MB
查看568.27MB
查看366.61MB
查看120.17MB
查看331.40MB
查看554.18MB
查看446.12MB
查看468.95MB
查看401.97MB
查看992.89MB
查看396.92MB
查看111.49MB
查看896.40MB
查看405.13MB
查看196.26MB
查看243.80MB
查看751.74MB
查看644.51MB
查看454.55MB
查看758.10MB
查看255.90MB
查看474.69MB
查看509.89MB
查看408.19MB
查看327.71MB
查看263.29MB
查看551.83MB
查看523.35MB
查看832.51MB
查看374.87MB
查看147.35MB
查看925.55MB
查看756.42MB
查看471.12MB
查看240.59MB
查看604.54MB
查看481.74MB
查看208.26MB
查看224.75MB
查看128.50MB
查看454.88MB
查看472.20MB
查看650.35MB
查看788.79MB
查看701.24MB
查看420.45MB
查看860.17MB
查看756.29MB
查看557.63MB
查看833.80MB
查看985.15MB
查看833.74MB
查看661.64MB
查看218.57MB
查看800.82MB
查看158.25MB
查看872.85MB
查看314.29MB
查看411.89MB
查看775.16MB
查看626.18MB
查看545.27MB
查看699.69MB
查看963.59MB
查看502.40MB
查看319.39MB
查看702.95MB
查看430.86MB
查看879.84MB
查看840.91MB
查看204.92MB
查看
566娄底nj
DRO-A/B卫星发射异常,正开展相关处置工作😽
2025-06-30 03:10:39 推荐
218188****4951
SpaceX星舰第三次试飞任务提前结束🙈
2025-07-02 19:01:19 不推荐
994152****4264
孙怡回应:让他滚了🚁
2025-06-30 01:44:36 推荐
15同色纸牌接龙
辽宁一药房疑流出客情维护表🚄
2025-07-01 12:49:46 推荐