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)
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。
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。
牛牛,游戏中新网北京3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。
659.28MB
查看677.89MB
查看77.5MB
查看996.23MB
查看299.24MB
查看987.55MB
查看871.42MB
查看988.72MB
查看886.46MB
查看602.19MB
查看779.70MB
查看433.29MB
查看754.77MB
查看698.38MB
查看136.80MB
查看321.32MB
查看366.61MB
查看509.54MB
查看613.78MB
查看329.73MB
查看545.21MB
查看455.34MB
查看275.10MB
查看920.77MB
查看871.65MB
查看821.77MB
查看964.90MB
查看602.79MB
查看931.31MB
查看369.63MB
查看848.13MB
查看820.87MB
查看517.23MB
查看106.15MB
查看428.16MB
查看688.52MB
查看100.59MB
查看219.22MB
查看976.52MB
查看348.21MB
查看806.20MB
查看293.18MB
查看335.28MB
查看955.94MB
查看506.44MB
查看992.23MB
查看467.92MB
查看318.40MB
查看612.16MB
查看673.13MB
查看263.78MB
查看996.71MB
查看841.14MB
查看142.73MB
查看260.63MB
查看337.17MB
查看147.87MB
查看877.63MB
查看721.32MB
查看255.47MB
查看963.17MB
查看959.39MB
查看105.98MB
查看862.35MB
查看863.68MB
查看255.60MB
查看243.28MB
查看194.34MB
查看282.34MB
查看730.12MB
查看661.65MB
查看260.79MB
查看980.31MB
查看434.22MB
查看644.75MB
查看187.89MB
查看583.98MB
查看566.68MB
查看223.17MB
查看663.25MB
查看848.91MB
查看185.55MB
查看536.86MB
查看320.45MB
查看405.38MB
查看305.38MB
查看614.98MB
查看576.90MB
查看684.32MB
查看698.21MB
查看529.23MB
查看419.78MB
查看345.26MB
查看566.42MB
查看418.49MB
查看527.17MB
查看445.61MB
查看440.12MB
查看616.92MB
查看678.43MB
查看427.49MB
查看711.19MB
查看935.31MB
查看866.88MB
查看
355曲靖im
湖南:2016年2月3日后户口由农村迁往城镇的,可申请迁回原地📼
2025-07-04 08:39:44 推荐
124188****9390
假装日本人有多难?🔁
2025-07-04 01:24:31 不推荐
192152****3703
2025-07-05 19:22:00 推荐
24曙光英雄
2025-07-03 11:05:35 推荐