本期介紹北京工商大學王蓓教授等發(fā)表在《中國食品學報》第24卷第7期特約專欄（食品感知技術）上的文章《數(shù)據(jù)挖掘與建模技術在食品嗅覺和味覺感知與情緒認知中的應用》。 

隨著食品嗅覺和味覺感官及情緒認知相關的科學技術水平的不斷提升，越來越多的儀器分析方法和實驗設備用于上述領域的研究。檢測方法的多樣化、全面化以及檢測精度的提升，也伴隨著風味感知相關數(shù)據(jù)規(guī)模的擴增。如何從食品風味儀器分析結果以及消費者的情緒認知行為相關研究中收集的大量數(shù)據(jù)中獲得關鍵信息，并建立數(shù)據(jù)間的關聯(lián)，越來越被研究人員所關注。食品領域的數(shù)據(jù)挖掘與建模技術是利用食品生產(chǎn)及流通過程中獲得的大量數(shù)據(jù)，實時、準確地監(jiān)控食品產(chǎn)業(yè)鏈的各個環(huán)節(jié)中的物理化學變化，并預測這些變化可能對消費者感官特征及情緒認知產(chǎn)生的影響。目前在食品嗅覺和味覺感知領域，數(shù)據(jù)挖掘與建模技術可為食品科研人員和消費者提供前所未有的洞察力和分析能力。

文章在針對經(jīng)典的機器學習方法中的有監(jiān)督和無監(jiān)督的數(shù)據(jù)挖掘與建模方法以及深度學習方法的基礎上，對食品感官屬性研究以及情緒認知方面的最新應用進展進行分析，并展望數(shù)據(jù)挖掘與建模技術在食品嗅覺和味覺感知領域的應用前景，助力食品行業(yè)的科技進步和產(chǎn)業(yè)升級。

1、常用的數(shù)據(jù)挖掘與建模技術

1）經(jīng)典方法

按照需要解決問題的類型不同，可以將機器學習模型分為有監(jiān)督和無監(jiān)督兩類。

無監(jiān)督方法：沒有指定的輸出參數(shù)（指定的目標），只是為了了解事物本身，尋找出數(shù)據(jù)包含的事物的結構及關系進行的統(tǒng)計學分析方法，更多用于探索事物的特性，如描述性分析。

有監(jiān)督方法：有明確的輸出參數(shù)、指標和類別，參與預測過程本身的統(tǒng)計學分析方法，大多用來預測或分類。

2）深度學習

深度學習是在機器學習技術的基礎上，結合大數(shù)據(jù)技術建立起的一種新的學習理念。由于任務目標和數(shù)據(jù)蘊含的信息高度復雜化，模型需要有足夠多的數(shù)據(jù)量及變量個數(shù)，才能夠實現(xiàn)準確及完整的邏輯推理及判斷，因此深度學習模型從體量和復雜程度上都迅速上升，訓練機器進行建模也就需要有足夠多的數(shù)據(jù)量。隨著可積累的數(shù)據(jù)越來越多，計算機的運算能力的重大提升，深度學習在食品風味研究中的應用也越來越多。

2、數(shù)據(jù)挖掘與建模技術在食品嗅覺和味覺研究中的應用

近年來，數(shù)據(jù)挖掘與建模技術在食品風味感知研究中的應用主要分為3種：

1）在食品嗅覺感官屬性研究中的相關應用研究

食品的嗅覺感知是食品主觀感知中不可或缺的部分，它們影響對食品的整體品質評估，關系消費者的接受度和滿意度。目前研究主要集中在通過已知氣味分子結構特征來預測嗅覺感知，以及利用儀器分析檢測樣品的定性、定量結果來預測嗅覺感知兩個方面。

2）在食品味覺感官屬性研究中的相關應用研究

味覺是人類進化出來的一種復雜的感覺，主要是為了對食物衍生的呈味物質作出反應，不同的滋味分子與味覺受體特異性結合，會引起味覺細胞膜上不同味覺受體的響應，導致形成不同的味覺。目前，味覺分子模擬主要集中在甜味和苦味這兩種滋味的研究上，而分子模擬技術被廣泛用于研究受體和小分子之間的相互作用。

3）在情緒認知方面的應用研究

近年來，越來越多的研究者關注消費者的整體體驗，研究食物和消費者之間的關系，以及理解情緒如何驅動人類行為，從而捕捉消費者在享樂喜好相關的反應。消費者對食物選擇可以受到許多內在和外在因素的影響，這些因素可以相互作用，形成一系列潛在的復雜變量。數(shù)據(jù)挖掘與建模技術則可以很好地分析這些復雜變量，實現(xiàn)消費者對食品選擇的預測，幫助消費者找到理想的食品。

圖1. 數(shù)據(jù)挖掘和建模技術在食品嗅覺和味覺研究中的應用

圖2. 常見的情緒測量方法

3、結論與展望

近年來，數(shù)據(jù)挖掘與建模技術在食品風味研究中的應用越來越廣泛，為食品科研人員提供了一種新的視角和方法，以深入理解和控制食品的感官特性。一方面，研究人員已成功地利用經(jīng)典數(shù)據(jù)挖掘與建模技術，建立感官屬性和風味化合物之間的關系。具體而言，回歸模型有助于根據(jù)系數(shù)來識別關鍵因素/風味化合物，在分析數(shù)據(jù)上應用分類方法可以預測食品的感官，對食品進行鑒別分析，評估消費者對食品的接受性和偏好性。最終可以通過應用適當?shù)臄?shù)據(jù)挖掘與建模技術來實現(xiàn)預測食品風味。另一方面，由于未來工作的復雜性，將關注點集中在更先進的深度學習建模技術上。例如利用分子模擬和機器學習技術，將多種來源的數(shù)據(jù)（如風味分子的分子結構、感官屬性、儀器量化數(shù)據(jù)等）用于風味感知研究中的建模。作為一種計算機模擬方法，上述模型有助于將大量化合物按照其所需的風味特性進行優(yōu)先排序，從而顯著減少用于詳細感官分析的候選化學物質的數(shù)量，數(shù)據(jù)建模的可行性和效率得到廣泛認可。

雖然數(shù)據(jù)挖掘與建模技術在食品氣味研究中具有諸多優(yōu)勢，但是在實際應用過程中仍面臨一些挑戰(zhàn)。例如，數(shù)據(jù)的質量和數(shù)量對模型的性能具有重要影響，需要保證數(shù)據(jù)的準確性和完整性，同時，更新不及時、數(shù)據(jù)不可訪問和代碼不公開的問題仍然存在。因此，在發(fā)表研究過程中，公開所有數(shù)據(jù)和代碼的呼聲也越來越高。未來，隨著技術的不斷發(fā)展和數(shù)據(jù)的不斷積累，數(shù)據(jù)挖掘與建模技術在食品風味感知領域的應用將更加廣泛和深入，也會進一步推動食品產(chǎn)業(yè)走向另一個數(shù)智化新紀元。

原文鏈接：https://kns.cnki.net/kcms2/article/abstract?v=6TwuVQQ8bf8F6M2P4aIpslKD_aIV88rVVMUJ51zBi7hTPyjG3R8abdyH_1fcujbX1lNtbrD8iPPxmheY2V89iqMXMWv5GjcQZP2W7Y7nqfVLXt2gHqiWTQ==&uniplatform=NZKPT