JP2015029609A

JP2015029609A - 嗜好性評価方法、嗜好性評価装置およびプログラム

Info

Publication number: JP2015029609A
Application number: JP2013159821A
Authority: JP
Inventors: 正保伴; Masayasu Ban; 靖恵満倉; Yasue Mitsukura; 敬介多和田; Keisuke Tawada
Original assignee: Mizkan Holdings Co Ltd
Current assignee: Mizkan Holdings Co Ltd
Priority date: 2013-07-31
Filing date: 2013-07-31
Publication date: 2015-02-16

Abstract

【課題】脳波によって対象物の味またはにおいの嗜好性を評価する。【解決手段】所定のデータセットに主成分分析（ＰＣＡ：ＰｒｉｎｃｉｐｌｅＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ）が適用される（ステップＳ１０）。次に、ＰＣＡの結果に基づいて、対象物の味またはにおいに対しての被験者の嗜好性が推定される（ステップＳ２０）。【選択図】図１

Description

本発明は、嗜好性評価方法、嗜好性評価装置およびプログラムに関する。

人の嗜好性が、脳波によって評価されることがある。特許文献１には、脳波を用いて食に対する感性が数値化されることが記載されている。特許文献２には、被験者の脳波を用いて被験者の嗜好性が判別されることが記載されている。特許文献２では、脳波によってデータ行列が生成されている。そして特許文献２では、データ行列に因子分析が適用されている。特許文献２では、因子分析の結果に基づいて、被験者の嗜好性が判定されている。

特開２００３−２９０１７９号公報特開２０１０−１３１３２８号公報

本発明者らは、新規な手法で、脳波によって対象物の味またはにおい対しての被験者の嗜好性を評価することを検討した。

本発明によれば、
人が対象物の味またはにおいを感じる前において前記人に生じた脳波である第１脳波の周波数の振幅スペクトルと、前記人が前記対象物の味またはにおいを感じている際または感じた後に前記人に生じた脳波である第２脳波の周波数の振幅スペクトルと、の差である差分スペクトルを複数含むデータセットに主成分分析を適用する主成分分析工程と、
前記主成分分析の結果に基づいて、前記対象物の味またはにおいに対しての被験者の嗜好性を推定する推定工程と、
を含み、
前記データセットは、前記被験者の前記差分スペクトルである被験者差分スペクトルと、基準脳波提供者の前記差分スペクトルである標準差分スペクトルと、を含み、
前記標準差分スペクトルは嗜好性情報に対応付けられており、前記嗜好性情報は前記基準脳波提供者の嗜好性を示し、
前記主成分分析により得られる第１主成分から第ｎ主成分までのｎ個の主成分によってｍ次元座標系が規定され（ただし、ｎは１以上の自然数である。ｍはｍ≦ｎの自然数である。）、前記推定工程では、前記ｍ次元座標系において、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかを、前記被験者差分スペクトルを示すプロットと、前記標準差分スペクトルを示すプロットと、の位置関係に基づいて決定することで、前記対象物の味またはにおいに対しての前記被験者の嗜好性が推定される嗜好性評価方法が提供される。

本発明によれば、
人が対象物の味またはにおいを感じる前において前記人に生じた脳波である第１脳波の周波数の振幅スペクトルと、前記人が前記対象物の味またはにおいを感じている際または感じた後に前記人に生じた脳波である第２脳波の周波数の振幅スペクトルと、の差である差分スペクトルを複数含むデータセットに主成分分析を適用する主成分分析部と、
前記主成分分析の結果に基づいて、前記対象物の味またはにおいに対しての被験者の嗜好性を推定する推定部と、
を含み、
前記データセットは、前記被験者の前記差分スペクトルである被験者差分スペクトルと、基準脳波提供者の前記差分スペクトルである標準差分スペクトルと、を含み、
前記標準差分スペクトルは嗜好性情報に対応付けられており、前記嗜好性情報は前記基準脳波提供者の嗜好性を示し、
前記主成分分析により得られる第１主成分から第ｎ主成分までのｎ個の主成分によってｍ次元座標系が規定され（ただし、ｎは１以上の自然数である。ｍはｍ≦ｎの自然数である。）、前記推定部は、前記ｍ次元座標系において、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかを、前記被験者差分スペクトルを示すプロットと、前記標準差分スペクトルを示すプロットと、の位置関係に基づいて決定することで、前記対象物の味またはにおいに対しての前記被験者の嗜好性を推定する嗜好性評価装置が提供される。

本発明によれば、
コンピュータを嗜好性評価装置として機能させるためのプログラムであって、
前記コンピュータに、
人が対象物の味またはにおいを感じる前において前記人に生じた脳波である第１脳波の周波数の振幅スペクトルと、前記人が前記対象物の味またはにおいを感じている際または感じた後に前記人に生じた脳波である第２脳波の周波数の振幅スペクトルと、の差である差分スペクトルを複数含むデータセットに主成分分析を適用する主成分分析機能と、
前記主成分分析の結果に基づいて、前記対象物の味またはにおいに対しての被験者の嗜好性を推定する推定機能と、
を持たせ、
前記データセットは、前記被験者の前記差分スペクトルである被験者差分スペクトルと、基準脳波提供者の前記差分スペクトルである標準差分スペクトルと、を含み、
前記標準差分スペクトルは嗜好性情報に対応付けられており、前記嗜好性情報は前記基準脳波提供者の嗜好性を示し、
前記主成分分析により得られる第１主成分から第ｎ主成分までのｎ個の主成分によってｍ次元座標系が規定され（ただし、ｎは１以上の自然数である。ｍはｍ≦ｎの自然数である。）、前記推定機能では、前記ｍ次元座標系において、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかを、前記被験者差分スペクトルを示すプロットと、前記標準差分スペクトルを示すプロットと、の位置関係に基づいて決定することで、前記対象物の味またはにおいに対しての前記被験者の嗜好性が推定されるプログラムが提供される。

本発明によれば、脳波によって対象物の味またはにおいに対しての被験者の嗜好性が評価される。

第１の実施形態における嗜好性評価方法のフローチャートである。第１の実施形態における嗜好性評価装置の構成を示すブロック図である。記憶部が記憶しているデータの一例をテーブル形式で示す図である。記憶部が記憶しているデータの一例をテーブル形式で示す図である。主成分分析の結果の概念図である。第２の実施形態における嗜好性評価装置の構成を示すブロック図である。第３の実施形態における嗜好性評価装置の構成を示すブロック図である。

以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。

なお、以下に示す説明において、各装置の各構成要素は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。各装置の各構成要素は、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するハードディスクなどの記憶メディア、ネットワーク接続用インタフェースを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置には様々な変形例がある。

（第１の実施形態）
図１は、第１の実施形態における嗜好性評価方法のフローチャートである。本実施形態の嗜好性評価方法は、以下の工程を含んでいる。まず、所定のデータセットに主成分分析（ＰＣＡ：ＰｒｉｎｃｉｐｌｅＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ）が適用される（ステップＳ１０）。次に、ＰＣＡの結果に基づいて、対象物の味またはにおいに対しての被験者の嗜好性が推定される（ステップＳ２０）。所定のデータセットは、被験者差分スペクトルと、標準差分スペクトルと、を含む。被験者差分スペクトルは、被験者の差分スペクトルである。標準差分スペクトルは、基準脳波提供者の差分スペクトルである。差分スペクトルは、第１脳波の周波数の振幅スペクトルと、第２脳波の周波数の振幅スペクトルと、の差である。第１脳波は、人が対象物の味またはにおいを感じる前において当該人に生じた脳波である。第２脳波は、人が対象物の味またはにおいを感じている際または感じた後に当該人に生じた脳波である。標準差分スペクトルは、嗜好性情報に対応付けられている。嗜好性情報は、基準脳波提供者の嗜好性を示している。ＰＣＡによって第１主成分から第ｎ主成分までのｎ個の主成分が得られる。そしてｎ個の主成分によって、ｍ次元座標系が規定される。ｎは１以上の自然数である。ｍは、ｍ≦ｎの自然数である。ステップＳ２０では、被験者差分スペクトルを示すプロットがｍ次元座標系において嗜好性情報のいずれの嗜好性に分類されるかが、被験者差分スペクトルを示すプロットと、標準差分スペクトルを示すプロットと、の位置関係に基づいて、決定される。このようにしてステップＳ２０では、対象物の味またはにおいに対しての被験者の嗜好性が推定される。

本実施形態では、所定のデータセットにＰＣＡが適用されている。所定のデータセットは、被験者差分スペクトルと、標準差分スペクトルと、を含んでいる。本実施形態では、ＰＣＡの結果に基づいて、特定の対象物の味またはにおいに対しての被験者の嗜好性が推定されている。これにより、脳波によって対象物の味またはにおいに対しての被験者の嗜好性が評価される。

次に、本実施形態における嗜好性評価装置１００について図２を用いて説明する。嗜好性評価装置１００は、図１に示される嗜好性評価方法を実行する。図２は、本実施形態における嗜好性評価装置１００の構成を示すブロック図である。嗜好性評価装置１００は、入力部１０２と、測定部１０４と、演算部１０６と、ＰＣＡ（主成分分析）部１０８と、推定部１１０と、記憶部１１２と、を含んでいる。入力部１０２は、嗜好性評価装置１００のユーザの指示を示す信号を、測定部１０４、演算部１０６、ＰＣＡ部１０８および推定部１１０に入力する。測定部１０４は、人の脳波を測定する。演算部１０６は、測定部１０４で測定された脳波から、差分スペクトルを算出する。ＰＣＡ部１０８は、所定のデータセットにＰＣＡを適用する。推定部１１０は、被験者の嗜好性を推定する。記憶部１１２は、測定部１０４、演算部１０６、ＰＣＡ部１０８および推定部１１０からの情報を記憶する。嗜好性評価装置１００の詳細は以下のとおりである。

測定部１０４について、説明する。測定部１０４は、人の脳波を測定する。当該人は、典型的には、被験者および基準脳波提供者である。被験者は、嗜好性評価装置１００によって特定の対象物の味またはにおいに対しての嗜好性を評価される人である。基準脳波提供者は、被験者の嗜好性を評価するのに必要な脳波（基準脳波）を提供する人である（基準脳波提供者の詳細については、後述する。）。

当該人の脳波は、当該人の頭皮に電極を接触させて計測される。本実施形態では、電極の配置は、国際１０−２０法に従う。本実施形態では、測定部１０４は、国際１０−２０法の電極Ｆｐ１のみから脳波を測定する。

測定部１０４は、人の第１脳波と、第２脳波と、を測定する。第１脳波は、人が対象物の味またはにおいを感じる前において当該人に生じた脳波である。第２脳波は、人が対象物の味またはにおいを感じている際または感じた後に当該人に生じた脳波である。本実施形態では、人は、対象物の味またはにおいを感じる前に、所定の時間Ｔ１の間（例えば、１０秒間）安静状態を維持する。その後人は、所定の時間Ｔ２の間（例えば、１０秒間）に、対象物を摂取し、または対象物のにおいを嗅ぐ。人が対象物を摂取し、または対象物のにおいを嗅いだ後、人は、所定の時間Ｔ３の間（例えば、１０秒間）安静状態を維持する。測定部１０４は、時間Ｔ１、Ｔ２およびＴ３の間、人の脳波を測定する。このようにして、測定部１０４は、第１脳波および第２脳波を測定する。具体的には、第１脳波は、時間Ｔ１の間に測定された脳波となる。一方第２脳波は、時間Ｔ２の間または時間Ｔ３の間に測定された脳波となる。本実施形態では、上記時間は、典型的には、Ｔ１＝Ｔ２＝Ｔ３＝１０秒である。

測定部１０４は、第１脳波および第２脳波を測定した後、第１脳波および第２脳波を含むデータ信号を記憶部１１２に送信する。記憶部１１２は、第１脳波および第２脳波を含むデータを記憶する。測定部１０４は、第１脳波および第２脳波を測定した後、第１脳波および第２脳波の測定が終了したことを示す測定終了信号を演算部１０６に送信する。

次に、演算部１０６について説明する。演算部１０６は、測定部１０４から測定終了信号を受信する。その後演算部１０６は、記憶部１１２から、第１脳波および第２脳波を含むデータを読み出す。

演算部１０６は、第１脳波および第２脳波から、差分スペクトルを算出する。差分スペクトルは、第１脳波の周波数の振幅スペクトルと、第２脳波の周波数の振幅スペクトルと、の差である。演算部１０６は、第１脳波のフーリエ変換により、第１脳波の周波数の振幅スペクトルを算出してもよい。同様に、演算部１０６は第２脳波のフーリエ変換により、第２脳波の周波数の振幅スペクトルを算出してもよい。本実施形態では、１Ｈｚから２３Ｈｚまで（１Ｈｚ以上２３Ｈｚ以下）の周波数の振幅スペクトルが差分スペクトルに用いられる。

差分スペクトルは、第１脳波の周波数の振幅スペクトルの時間平均と、第２脳波の周波数の振幅スペクトルの時間平均と、の差であってもよい。第１脳波の周波数の振幅スペクトルの時間平均および第２脳波の周波数の振幅スペクトルの時間平均の詳細は、次のとおりである。演算部１０６は、複数の時刻における第１脳波にフーリエ変換を適用する。これにより、複数の振幅スペクトルが得られる。演算部１０６は、当該複数の振幅スペクトルの平均値を算出する。このようにして、演算部１０６は、第１脳波の周波数の振幅スペクトルの時間平均を算出する。同様に、演算部１０６は、複数の時刻における第２脳波にフーリエ変換を適用する。これにより、複数の振幅スペクトルが得られる。演算部１０６は、当該複数の振幅スペクトルの平均値を算出する。このようにして、演算部１０６は、第２脳波の周波数の振幅スペクトルの時間平均を算出する。そして演算部１０６は、第１脳波の周波数の振幅スペクトルの時間平均と、第２脳波の周波数の振幅スペクトルの時間平均と、の差を算出する。このようにして演算部１０６は、差分スペクトルを算出する。

本実施形態の差分スペクトルの具体例は、以下のとおりである。演算部１０６は、１秒ごとの第１脳波にフーリエ変換を適用する。この場合、第１脳波は、人が対象物の味またはにおいを感じる前１０秒間に測定された脳波である。このようにして、演算部１０６は、１秒ごとの周波数の振幅スペクトルを算出する。そして演算部１０６は、当該振幅スペクトルの時間平均を算出する。同様に、演算部１０６は、１秒ごとの第２脳波にフーリエ変換を適用する。この場合、第２脳波は、例えば、人が対象物の味またはにおいを感じた後１０秒間に測定された脳波である。このようにして、演算部１０６は、１秒ごとの周波数の振幅スペクトルを算出する。そして演算部１０６は、当該振幅スペクトルの時間平均を算出する。そして演算部１０６は、第１脳波の周波数の振幅スペクトルの時間平均と、第２脳波の周波数の振幅スペクトルの時間平均と、の差を算出する。このようにして演算部１０６は、差分スペクトルを算出する。

演算部１０６は、差分スペクトルを含むデータ信号を記憶部１１２に送信する。記憶部１１２は、差分スペクトルを含むデータを記憶する。演算部１０６は、差分スペクトルを算出した後、差分スペクトルの算出が終了したことを示す演算終了信号をＰＣＡ部１０８に送信する。

本実施形態では、差分スペクトルは、行列（ベクトル）形式またはテーブル形式で、記憶部１１２に記憶されていてもよい。１Ｈｚから２３Ｈｚまでの周波数の振幅スペクトルが差分スペクトルに用いられる場合、差分スペクトルは、下記の式（１）に示されるように、Ｘによって行列形式で表示されることができる。

式（１）においてｘ_ｎ（ｎは１以上２３以下の自然数である。）は、周波数ｎ［Ｈｚ］における振幅の差分を示している。例えば、ｘ_２は、２Ｈｚにおける振幅の差分を示している。

次に、ＰＣＡ部１０８について説明する。ＰＣＡ部１０８は、所定のデータセットにＰＣＡを適用する。所定のデータセットは、被験者差分スペクトルと、標準差分スペクトルと、を含む。被験者差分スペクトルは、被験者の差分スペクトルである。標準差分スペクトルは、基準脳波提供者の差分スペクトルである。そして標準差分スペクトルは、嗜好性情報に対応付けられている。嗜好性情報は、基準脳波提供者の嗜好性（例えば、「好き」、「嫌い」または「非常に好き」）を示している。具体的には、嗜好性情報は、対象物の味またはにおいに対しての基準脳波提供者の嗜好性を示している。この場合、嗜好性情報の対象物は、被験者の対象物と同じであってもよいし、または異なっていてもよい。本実施形態では、１または複数の標準差分スペクトルが設定されている。典型的には、複数の標準差分スペクトルが設定される。

標準差分スペクトルについて、図３を用いて説明する。図３は、記憶部１１２が記憶しているデータの一例をテーブル形式で示す図である。本実施形態では、標準差分スペクトルは、基準脳波提供者の差分スペクトルである。一の例において、基準脳波提供者は、被験者と異なる人である。他の例において、基準脳波提供者は被験者と同一の人である。基準脳波提供者と被験者とが同一の場合、標準差分スペクトルは、被験者差分スペクトルと異なる時期に取得されている。一の例において、標準差分スペクトルは、測定部１０４および演算部１０６を用いて、基準脳波提供者から取得される。基準脳波提供者から取得された標準差分スペクトルは、記憶部１１２に記憶される。他の例において、標準差分スペクトルは、嗜好性評価装置１００とは異なる装置を用いて、基準脳波提供者から取得されていてもよい。この場合も、基準脳波提供者から取得された標準差分スペクトルは、記憶部１１２に記憶される。

記憶部１１２は、図３に示されるように、各基準脳波提供者の差分スペクトルを記憶している。当該差分スペクトルが、標準差分スペクトルである。標準差分スペクトルは、図３に示されるように、嗜好性情報と対応付けられている。同時に、本実施形態では、標準差分スペクトルは、図３に示されるように、対象物に対応付けられている。嗜好性情報は、基準脳波提供者へのアンケートにより取得される。具体的には、対象物（図３では、Ｏ１、Ｏ２およびＯ３の３つが例示されている。）に対する嗜好性が、基準脳波提供者に問われる。この問いに対する基準脳波提供者からの回答が、記憶部１１２に記憶されている。図３の嗜好性情報には、「非常に嫌い」、「かなり嫌い」、「やや嫌い」、「普通」、「やや好き」、「かなり好き」および「非常に好き」の７段階が含まれている。

ＰＣＡ部１０８の動作の詳細について説明する。ＰＣＡ部１０８は、演算部１０６から演算終了信号を受信する。その後ＰＣＡ部１０８は、記憶部１１２から、被験者差分スペクトルおよび標準差分スペクトルを含むデータを読み出す。

ＰＣＡ部１０８は、所定のデータセットを生成する。所定のデータセットは、被験者差分スペクトルと、標準差分スペクトルと、を含む。本実施形態では、データセットは、行列（ベクトル）形式またはテーブル形式で生成されていてもよい。１Ｈｚから２３Ｈｚまで（１Ｈｚ以上２３Ｈｚ以下）の周波数の振幅スペクトルが被験者差分スペクトルおよび標準差分スペクトルに用いられる場合、データセットは、下記の式（２）に示されるように、Ｄによって行列形式で表示されることができる。

Ｓ１からＳＮは、標準差分スペクトルである。式（２）において、標準差分スペクトルＳ１〜ＳＮの数は、Ｎ個である。Ｘは被験者差分スペクトルである。ｓ_ｋ（Ｎ）（ｋは１以上２３以下の自然数である。）は、標準差分スペクトルＳＮでの周波数ｋ［Ｈｚ］における振幅の差分を示している。例えば、ｓ_２（２）は、標準差分スペクトルＳ２での２Ｈｚにおける振幅の差分を示している。

ＰＣＡ部１０８は、対象物に基づいて、標準差分スペクトルを選択してもよい。具体的には、ＰＣＡ部１０８は、被験者差分スペクトルと同一の対象物に対応付けられているものを、標準差分スペクトルとして選択してもよい。具体例を、図３を用いて説明する。この具体例では、被験者差分スペクトルは、対象物Ｏ１に関する差分スペクトルであるとする。この場合、標準差分スペクトルには、対象物Ｏ１と対応付けられているもの（図３では、差分スペクトルＳ１、Ｓ３、Ｓ４、Ｓ５、Ｓ７およびＳ９）が選択される。このようにして、被験者差分スペクトルの対象物と、標準差分スペクトルの対象物とが一致する。これにより、嗜好性評価装置１００による評価の確度が高いものになる。

被験者差分スペクトルは、被験者の属性情報と対応付けられていてもよい。同様に標準差分スペクトルは、基準脳波提供者の属性情報と対応付けられていてもよい。この場合、被験者の属性情報および基準脳波提供者の属性情報が、記憶部１１２に記憶されている。被験者の属性情報は、被験者へのアンケートにより取得される。同様に、基準脳波提供者の属性情報は、基準脳波提供者へのアンケートにより取得される。属性情報について、図４を用いて説明する。図４は、記憶部１１２が記憶しているデータの一例をテーブル形式で示す図である。

記憶部１１２は、被験者の属性情報および各基準脳波提供者の属性情報を記憶している。属性情報は、典型的には、年齢および性別である。図４には、年齢、性別および生活状況が基準脳波提供者の属性情報として例示されている。図４の属性情報は、図３の差分スペクトルと対応付けられている。

本実施形態では、標準差分スペクトルは、属性情報に基づいて選択されてもよい。一の例において、標準差分スペクトルには、被験者差分スペクトルと共通する属性情報を有するものが選択されてもよい。具体例を、図４を用いて説明する。この具体例では、被験者は、３５歳の女性で、親と同居しているものとする。年齢のみの観点においては、標準差分スペクトルには、差分スペクトルＳ１およびＳ６が選択されてもよい。この場合、被験者差分スペクトルおよび標準差分スペクトルは、「３０代」という観点で、共通する属性情報を有している。性別のみの観点においては、標準差分スペクトルには、差分スペクトルＳ１、Ｓ４、Ｓ６およびＳ８が選択されてもよい。この場合、被験者差分スペクトルおよび標準差分スペクトルは、「女」という観点で、共通する属性情報を有している。生活状況のみの観点においては、標準差分スペクトルには、差分スペクトルＳ２およびＳ６が選択されてもよい。この場合、被験者差分スペクトルおよび標準差分スペクトルは、「親と同居」という観点で、共通する属性情報を有している。標準差分スペクトルは、複数の属性情報に基づいて選択されてもよい。具体的には、年齢および性別の観点においては、標準差分スペクトルには、差分スペクトルＳ１およびＳ６が選択されてもよい。この場合、被験者差分スペクトルおよび標準差分スペクトルは、「３０代」および「女」という観点で、共通する属性情報を有している。

ＰＣＡ部１０８は、以上のようにして、データセットを生成する。ＰＣＡ部１０８は、データセットを生成した後、データセットにＰＣＡを適用する。そしてＰＣＡ部１０８は、ＰＣＡの結果を算出する。ＰＣＡ部１０８は、ＰＣＡの結果を含むデータ信号を記憶部１１２に送信する。記憶部１１２は、ＰＣＡの結果を含むデータを記憶する。ＰＣＡ部１０８は、ＰＣＡの結果を含む信号を送信した後、ＰＣＡが終了したことを示すＰＣＡ終了信号を推定部１１０に送信する。

次に、推定部１１０について説明する。推定部１１０は、ＰＣＡ部１０８からＰＣＡ終了信号を受信する。その後推定部１１０は、記憶部１１２から、ＰＣＡの結果を含むデータを読み出す。推定部１１０は、ＰＣＡの結果に基づいて、対象物の味またはにおいに対しての被験者の嗜好性を推定する。推定部１１０の推定は、具体的には、次のようになる。

ＰＣＡによって、第１主成分から第ｎ主成分までのｎ個の主成分が得られる。ｎは１以上の自然数である。ｎは典型的には２である。これらｎ個の主成分によってｍ次元座標系が規定される。ｍは、ｍ≦ｎの自然数である。推定部１１０は、ｎ個の主成分のうちのｍ個の主成分によってｍ次元座標系を規定してもよい。例えば、ｎはｎ＝３とする。この場合、推定部１１０は、第２主成分および第３主成分によって２次元座標系を規定してもよいし、第１主成分および第３主成分によって２次元座標系を規定してもよい。推定部１１０は、典型的には、第１主成分および第２主成分によって２次元座標系を規定する。

推定部１１０は、ｍ次元座標系において、被験者差分スペクトルを示すプロットが嗜好性情報のいずれの嗜好性に分類されるかを決定する。この場合、推定部１１０は、被験者差分スペクトルを示すプロット、標準差分スペクトルを示すプロットと、の位置関係に基づいて、被験者差分スペクトルを示すプロットがいずれの嗜好性に分類されるかを決定する。

推定部１１０の推定の具体例について、図５を用いて説明する。図５は、ＰＣＡの結果の概念図である。図５では、第１主成分および第２主成分の２個の成分によって２次元座標系が規定されている。図５では、ＰＣＡの結果（被験者を示すプロットおよび基準脳波提供者を示すプロット）が、当該２次元座標系にプロットされている。図５の嗜好性情報には、「非常に嫌い」、「かなり嫌い」、「やや嫌い」、「やや好き」、「かなり好き」および「非常に好き」の６段階が含まれている。図５に示される例では、基準脳波提供者の数は１０人である。そして１０人のうち５人の嗜好性情報が、「非常に嫌い」、「かなり嫌い」または「やや嫌い」である。この５人のデータは、図５において、白四角で表示されている。残りの５人の嗜好性情報は、「非常に好き」、「かなり好き」または「やや好き」である。この５人のデータは、図５において、白丸で表示されている。図５では、被験者のデータは、白三角で表示されている。そして被験者のデータ（白三角のプロット）は、嗜好性情報が「非常に嫌い」、「かなり嫌い」または「やや嫌い」である群（白四角のプロット）よりも、嗜好性情報が「非常に好き」、「かなり好き」または「やや好き」である群（白丸のプロット）に近い。このため、被験者のデータは、当該位置関係に基づいて、「非常に好き」、「かなり好き」または「やや好き」の嗜好性に分類される。このようにして推定部１１０は、被験者の嗜好性が「非常に好き」、「かなり好き」または「やや好き」であると推定する。嗜好性評価装置１００は、このようにして、被験者の脳波から、被験者の嗜好性を評価する。

推定部１１０は、フィッシャーの線形判別分析を用いて、被験者が嗜好性情報のいずれの嗜好性に分類されるかを調べてもよい。フィッシャーの線形判別分析では、以下の式（３）の判別スコアｆ（ｘ）（ｘは、ボールドフォント）を用いて嗜好性が分類される。

ω（ボールドフォント）は入力ベクトルｘ（ボールドフォント）の各要素に対応する重みベクトルである。ω_０は定数である。本実施形態では、入力ベクトルｘ（ボールドフォント）は、被験者差分スペクトルおよび標準差分スペクトルである。

フィッシャーの線形判別分析では、未知の入力ベクトルに対する判別スコアが正または負になるかが判定される。これにより。入力ベクトルが分類される。フィッシャーの線形判別分析では、クラス間分散の最大化およびクラス内分散の最小化に基づいて重みベクトルω（ボールドフォント）が計算される。このようにして分類境界が得られる。そしてこの分類境界を用いて、被験者差分スペクトルがいずれの嗜好性情報の嗜好性に分類されるかが決定される。嗜好性評価装置１００は、以上のように、被験者の脳波から、被験者の嗜好性を評価する。

（第２の実施形態）
図６は、第２の実施形態における嗜好性評価装置１００の構成を示すブロック図である。本実施形態は、嗜好性評価装置１００が測定部１０４および記憶部１１２を含まない点を除いて、第１の実施形態と同様である。

本実施形態における嗜好性評価装置１００は、入力部１０２と、演算部１０６と、ＰＣＡ部１０８と、推定部１１０と、を含んでいる。一方、測定部１０４は、嗜好性評価装置１００に含まれていない。測定部１０４は、典型的には、物理的に嗜好性評価装置１００の外部に設けられている。本実施形態の測定部１０４は、第１の実施形態の測定部１０４と同様に、動作する。そして測定部１０４は、第１脳波および第２脳波を測定した後、第１脳波および第２脳波を含むデータ信号を記憶部１１２に送信する。記憶部１１２は、第１脳波および第２脳波を含むデータを記憶する。

本実施形態では、演算部１０６は、入力部１０２からの入力信号に基づいて、記憶部１１２から、第１脳波および第２脳波を含むデータを読み出す。他の例においては、第１脳波および第２脳波を含むデータが、入力部１０２を介して、演算部１０６に入力されてもよい。その後、演算部１０６は、第１の実施形態の演算部１０６と同様に動作する。ＰＣＡ部１０８および推定部１１０も、第１の実施形態のＰＣＡ部１０８および推定部１１０とそれぞれ同様に動作する。

本実施形態においても、特定の対象物の味またはにおいに対しての被験者の嗜好性を推定するのに、ＰＣＡが用いられる。これにより、第１の実施形態と同様、脳波によって対象物の味またはにおいに対しての被験者の嗜好性が評価される。

本実施形態では、嗜好性評価装置１００は、記憶部１１２を含んでいない。他の例においては、嗜好性評価装置１００は、記憶部１１２を含んでいてもよい。

（第３の実施形態）
図７は、第３の実施形態における嗜好性評価装置１００の構成を示すブロック図である。本実施形態は、嗜好性評価装置１００が測定部１０４および演算部１０６および記憶部１１２を含まない点を除いて、第１の実施形態と同様である。

本実施形態における嗜好性評価装置１００は、入力部１０２と、ＰＣＡ部１０８と、推定部１１０と、を含んでいる。一方、測定部１０４および演算部１０６は、嗜好性評価装置１００に含まれていない。測定部１０４および演算部１０６は、典型的には、物理的に嗜好性評価装置１００の外部に設けられている。本実施形態の測定部１０４は、第１の実施形態の測定部１０４と同様に、動作する。そして測定部１０４は、第１脳波および第２脳波を測定した後、第１脳波および第２脳波を含むデータ信号を記憶部１１２に送信する。記憶部１１２は、第１脳波および第２脳波を含むデータを記憶する。演算部１０６は、記憶部１１２から、第１脳波および第２脳波を含むデータを読み出す。他の例においては、第１脳波および第２脳波を含むデータが、演算部１０６に直接入力されてもよい。演算部１０６は、第１の実施形態の演算部１０６と同様に、動作する。そして演算部１０６は、差分スペクトルを含むデータ信号を記憶部１１２に送信する。

本実施形態では、ＰＣＡ部１０８は、入力部１０２からの入力信号に基づいて、記憶部１１２から、被験者差分スペクトルおよび標準差分スペクトルを含むデータを読み出す。他の例においては、被験者差分スペクトルおよび標準差分スペクトルを含むデータが、入力部１０２を介して、ＰＣＡ部１０８に入力されてもよい。その後、ＰＣＡ部１０８は、第１の実施形態のＰＣＡ部１０８と同様に動作する。推定部１１０も、第１の実施形態の推定部１１０と同様に動作する。

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。

１００嗜好性評価装置
１０２入力部
１０４測定部
１０６演算部
１０８ＰＣＡ部
１１０推定部
１１２記憶部

Claims

人が対象物の味またはにおいを感じる前において前記人に生じた脳波である第１脳波の周波数の振幅スペクトルと、前記人が前記対象物の味またはにおいを感じている際または感じた後に前記人に生じた脳波である第２脳波の周波数の振幅スペクトルと、の差である差分スペクトルを複数含むデータセットに主成分分析を適用する主成分分析工程と、
前記主成分分析の結果に基づいて、前記対象物の味またはにおいに対しての被験者の嗜好性を推定する推定工程と、
を含み、
前記データセットは、前記被験者の前記差分スペクトルである被験者差分スペクトルと、基準脳波提供者の前記差分スペクトルである標準差分スペクトルと、を含み、
前記標準差分スペクトルは嗜好性情報に対応付けられており、前記嗜好性情報は前記基準脳波提供者の嗜好性を示し、
前記主成分分析により得られる第１主成分から第ｎ主成分までのｎ個の主成分によってｍ次元座標系が規定され（ただし、ｎは１以上の自然数である。ｍはｍ≦ｎの自然数である。）、前記推定工程では、前記ｍ次元座標系において、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかを、前記被験者差分スペクトルを示すプロットと、前記標準差分スペクトルを示すプロットと、の位置関係に基づいて決定することで、前記対象物の味またはにおいに対しての前記被験者の嗜好性が推定される嗜好性評価方法。
請求項１に記載の嗜好性評価方法であって、
前記推定工程では、フィッシャーの線形判別分析を用いて、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかが決定される嗜好性評価方法。
請求項１または２に記載の嗜好性評価方法であって、
前記差分スペクトルは、前記第１脳波の周波数の振幅スペクトルの時間平均と、前記第２脳波の周波数の振幅スペクトルの時間平均と、の差である嗜好性評価方法。
請求項１から３までのいずれか一項に記載の嗜好性評価方法であって、
前記被験者および前記基準脳波提供者は、異なる人である嗜好性評価方法。
請求項１から３までのいずれか一項に記載の嗜好性評価方法であって、
前記被験者および前記基準脳波提供者は、同一の人であって、前記標準差分スペクトルは前記被験者差分スペクトルと異なる時期に取得されている嗜好性評価方法。
請求項１から５までのいずれか一項に記載の嗜好性評価方法であって、
前記被験者差分スペクトルおよび前記標準差分スペクトルは、前記対象物と対応付けられており、前記標準差分スペクトルは、前記対象物に基づいて選択される嗜好性評価方法。
請求項６に記載の嗜好性評価方法であって、
前記標準差分スペクトルには、前記被験者差分スペクトルと同一の対象物に対応付けられているものが選択される嗜好性評価方法。
請求項１から７までのいずれか一項に記載の嗜好性評価方法であって、
前記被験者差分スペクトルおよび前記標準差分スペクトルは、前記被験者の属性情報および前記基準脳波提供者の属性情報とそれぞれ対応付けられており、前記標準差分スペクトルは、前記属性情報に基づいて選択される嗜好性評価方法。
請求項８に記載の嗜好性評価方法であって、
前記標準スペクトルには、前記被験者差分スペクトルと共通する属性情報を有するものが選択される嗜好性評価方法。
人が対象物の味またはにおいを感じる前において前記人に生じた脳波である第１脳波の周波数の振幅スペクトルと、前記人が前記対象物の味またはにおいを感じている際または感じた後に前記人に生じた脳波である第２脳波の周波数の振幅スペクトルと、の差である差分スペクトルを複数含むデータセットに主成分分析を適用する主成分分析部と、
前記主成分分析の結果に基づいて、前記対象物の味またはにおいに対しての被験者の嗜好性を推定する推定部と、
を含み、
前記データセットは、前記被験者の前記差分スペクトルである被験者差分スペクトルと、基準脳波提供者の前記差分スペクトルである標準差分スペクトルと、を含み、
前記標準差分スペクトルは嗜好性情報に対応付けられており、前記嗜好性情報は前記基準脳波提供者の嗜好性を示し、
前記主成分分析により得られる第１主成分から第ｎ主成分までのｎ個の主成分によってｍ次元座標系が規定され（ただし、ｎは１以上の自然数である。ｍはｍ≦ｎの自然数である。）、前記推定部は、前記ｍ次元座標系において、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかを、前記被験者差分スペクトルを示すプロットと、前記標準差分スペクトルを示すプロットと、の位置関係に基づいて決定することで、前記対象物の味またはにおいに対しての前記被験者の嗜好性を推定する嗜好性評価装置。
コンピュータを嗜好性評価装置として機能させるためのプログラムであって、
前記コンピュータに、
人が対象物の味またはにおいを感じる前において前記人に生じた脳波である第１脳波の周波数の振幅スペクトルと、前記人が前記対象物の味またはにおいを感じている際または感じた後に前記人に生じた脳波である第２脳波の周波数の振幅スペクトルと、の差である差分スペクトルを複数含むデータセットに主成分分析を適用する主成分分析機能と、
前記主成分分析の結果に基づいて、前記対象物の味またはにおいに対しての被験者の嗜好性を推定する推定機能と、
を持たせ、
前記データセットは、前記被験者の前記差分スペクトルである被験者差分スペクトルと、基準脳波提供者の前記差分スペクトルである標準差分スペクトルと、を含み、
前記標準差分スペクトルは嗜好性情報に対応付けられており、前記嗜好性情報は前記基準脳波提供者の嗜好性を示し、
前記主成分分析により得られる第１主成分から第ｎ主成分までのｎ個の主成分によってｍ次元座標系が規定され（ただし、ｎは１以上の自然数である。ｍはｍ≦ｎの自然数である。）、前記推定機能では、前記ｍ次元座標系において、前記被験者差分スペクトルを示すプロットが前記嗜好性情報のいずれの嗜好性に分類されるかを、前記被験者差分スペクトルを示すプロットと、前記標準差分スペクトルを示すプロットと、の位置関係に基づいて決定することで、前記対象物の味またはにおいに対しての前記被験者の嗜好性が推定されるプログラム。