JP2019060870A - 匂い表現予測システム、及び匂い表現予測カテゴライズ方法 - Google Patents

Abstract

【課題】匂い成分の化合物分子に基づいて、迅速かつ客観的に適切な匂い表現を予測できる匂い表現予測システム、及び匂い表現予測カテゴライズ方法を提供する。【解決手段】匂い表現予測システム１は、対象物Ｓから生じる匂い物質に基づいて、匂い表現を予測するものであって、対象物Ｓの匂い物質を特定するガスクロマトグラ−フィオルファクトメトリー装置２と、特定された匂い物質の化合物分子の物理化学的パラメータ情報を取得する分子情報取得手段５と、取得された化合物分子の物理化学的パラメータ情報を基に、分子パラメータ情報に絞り込む分子パラメータ情報絞り込み手段６と、絞り込まれた分子パラメータ情報に基づいて、匂い表現を予測する匂い表現予測手段７と、予測された匂い表現を表示するモニタ４を備える構成をとる。【選択図】図１

Description

本発明は、対象物の匂い成分の化合物分子から匂い表現を予測できる匂い表現予測システム、及び匂い表現予測カテゴライズ方法に関するものである。

近年、匂いを識別するシステムや装置が注目されている。例えば、身体から発生する体臭を利用して個体を判別する匂い識別システムが知られている（例えば、特許文献１）。
特許文献１の匂い識別システムは、測定対象物を収容し、測定対象物から発生する匂い分子を含んだ空気を閉じ込める容器を有する匂い導入部と、匂い導入部で閉じ込めた空気の中から匂い分子を選別し、濃縮する匂い選別素子部とを備えている。そして、この匂い識別システムは、匂い選別素子部に、分子サイズの違いにより匂い分子を選別し、吸着し、蓄積する分子サイズフィルタと、極性の違いにより匂い分子を選別し、吸着し、蓄積する極性フィルタと、この極性フィルタ及び分子サイズフィルタに蓄積した匂い分子を揮発させる匂い脱離手段とが配設されている。
この匂い識別システムは、分子サイズの違いにより匂い分子を選別等する分子サイズフィルタ及び、極性の違いにより匂い分子を選別等する極性フィルタを含むため、匂い分子の分子サイズ、極性という２つの特徴をパラメータとして捉えることができ、これらの２つの化学的特徴に基づいて匂い分子を特定することができる。

一方、飲食物の評価方法として、官能評価が実施されている。この官能評価は、評価者が見た目、匂い、味などの項目を総合的に評価し、装置では測定できない属性を人間の感覚器を使って評価する方法である。
官能評価は、記録用紙に評価を記述する記述型の記録方法やボイスレコーダへ音声を吹き込む音声型の記録方法によって実施されていることが多い。例えば、記述型の記録方法では、匂いの評価者が対象物である飲食物の匂いを嗅いだ後、「良い・普通・悪い」の項目の中から評価を選択する。

特開２０１６−１８６４２６号公報

官能評価は、匂いの良し悪し以外にも、飲食物の匂いが他の物の匂いと類似する場合や何かを連想させる場合、その物の名称や表現を記載する場合がある。
しかし、飲食物には、様々な材料や調味料などが混合されているため、評価者（以下、パネリストとも記す。）が適切な言葉で匂いを表現することは困難である。
また、評価者は、匂いを表現する言葉（以下、匂い表現とも記す。）をリアルタイムで記録しなくてはいけない場合がある。しかし、適切な匂い表現を直ぐに記録するためには訓練を要し、ある一定の基準を満たす評価者となるまでには、時間を要する。

訓練後の評価者であっても、適切な匂い表現が浮かばないことがあり、この場合、匂い表現を思考する時間がかかり、匂いへの記憶が低下し、適切な匂い表現を記録できないおそれがある。
また、評価者は、何十種類の飲食物の匂い表現を記録することがあるため、対象物の匂いを判別する時間を短縮することが望まれている。さらに、匂い表現は、主観的な感覚であるため、匂いを評価する表現はパネリストの個人差が生じてしまうという問題がある。

そこで、本発明は、匂い成分の化合物分子に基づいて、迅速かつ客観的に適切な匂い表現を予測できる匂い表現予測システム、及び匂い表現予測システムに利用される匂い表現予測カテゴライズ方法を提供することを目的とする。

本願発明の匂い表現予測システムは、対象物から生じる匂い物質に基づいて、匂い表現を予測し、前記対象物の前記匂い物質を特定する匂い物質特定手段と、特定された前記匂い物質の化合物分子の物理化学的パラメータ情報を取得する分子情報取得手段と、取得された前記化合物分子の物理化学的パラメータ情報を基に、分子パラメータ情報に絞り込む分子パラメータ情報絞り込み手段と、絞り込まれた前記分子パラメータ情報に基づき、機械学習処理によって、前記匂い表現を予測する匂い表現予測手段と、予測された前記匂い表現を提供する匂い表現提供手段と、を備えることを特徴とする。

本願発明の匂い表現予測システムは、前記匂い表現予測手段において、前記匂い表現が、共起に基づく情報を利用した匂い表現単語カテゴライズ分析によって生成された、類似性を有する、複数の匂い表現クラスタリングによって予測されることを特徴とする。

本願発明の匂い表現予測システムは、匂い表現提供手段がモニタであり、予測された匂い表現がモニタに表示され、利用者が対象物の匂いから連想される表現を、予測された匂い表現の中から選択できることを特徴とする。

本願発明の匂い表現予測システムは、匂い物質特定手段がガスクロマトグラフィー質量分析オルファクトメトリー（ＧＣ／ＭＳ−Ｏ）であることを特徴とする。

本願発明の匂い表現予測システムは、予測された匂い表現が文字、記号、色彩、模様、音、温度、及び光度の少なくとも１つから構成されることを特徴とする。

本願発明の匂い表現予測カテゴライズ方法は、匂い表現予測システムに利用され、化合物分子の物理化学的パラメータ情報を基に、分子パラメータ情報を算出する分子パラメータ情報算出過程と、算出された前記分子パラメータ情報に基づき、機械学習処理によって、類似性を有する匂い表現クラスタを複数生成し、匂い表現をカテゴライズする匂い表現カテゴライズ過程と、を含むことを特徴とする。

本発明に係る匂い表現予測システムは、対象物の匂い成分の化合物分子に特有の物理化学分子パラメータ情報を機械学習処理によって分子パラメータ情報を絞り込む。そして、この分子パラメータ情報に基づいて、匂い表現を予測する。そのため、人間の嗅覚に頼らずに、対象物の匂い成分の化合物分子に基づいて、匂い表現を客観的に予測できる。

また、本発明に係る匂い表現予測システムは、利用者が対象物から発生する匂いを、より適切な匂い表現として選択することを補助するためにも使用できる。
例えば、官能評価のパネリスト（評価者）が、本発明に係る匂い表現予測システムを使用する場合、提供された匂い表現の中から、パネリストの嗅覚から連想される表現を迅速に選択できる。また、パネリストとして訓練を受けていない利用者が使用する場合でも、パネリストに頼らずに適切な匂い表現を選択することができる。

さらに、本発明に係る匂い表現予測システムは、匂い表現予測手段において、共起に基づく情報を利用した匂い表現単語カテゴライズ分析によって生成された、類似性を有する、複数の匂い表現クラスタリングによって予測される。類似性を有する匂い表現クラスタリングを利用することで、より実用的な匂い表現の予測ができると共に、より精度の高い匂い表現の検索をすることもできる。

また、本発明に係る匂い表現予測カテゴライズ方法は、匂い表現予測システムに利用することができる。この匂い表現予測カテゴライズ方法を利用することで、匂い表現の共起分布関係から、意味が近い匂い表現単語をカテゴライズすることができる。

本発明の第一実施形態に係る匂い表現予測システムの概略図である。 本発明の第二実施形態に係る匂い表現予測システムにおいて、分子パラメータから予測した匂い表現の分岐チャートである。 本発明の第二実施形態に係る匂い表現予測システムにおける、匂い表現の共起分布分類の予測を示した表である（クラスタ数：１０）。 本発明の第二実施形態に係る匂い表現予測システムにおける、匂い表現の共起分布分類の予測を示した表である（クラスタ数：１６）。 本発明の第二実施形態に係る匂い表現予測システムにおける、共起分布に基づく分類結果（階層的クラスタ分析）を示す図である。 本発明の第二実施形態に係る匂い表現予測システムにおける、共起分布に基づく分類結果（非階層的クラスタ分析）を示す図である。 本発明の第二実施形態に係る匂い表現予測システムにおける、共起分布の類似性に基づく分類結果（階層的クラスタ分析）を示す図である。 本発明の第二実施形態に係る匂い表現予測システムにおける、共起分布の類似性に基づく分類結果（非階層的クラスタ分析）を示す図である。

［第一実施形態］
本発明に係る匂い表現予測システムは、対象物の匂い成分の分子化合物に基づいて匂い表現を客観的に予測するものである。この匂い表現予測システムは、利用者の嗅覚には頼らず、対象物からの匂い成分に基づいて匂い表現を予測する場合や利用者の嗅覚から連想される匂い表現を提供する場合に使用できる。

本実施形態では、利用者の嗅覚から連想される匂い表現を提供する匂い表現予測システムについて、嗅覚による官能評価を行う評価者（以下、パネリストとも記す。）が使用する場合を例として説明する。
嗅覚による官能評価（検査）の対象物は、飲食物、香水、香料、化粧品、環境物質などが挙げられ、本実施形態では、飲食物を対象とした例について説明する。

匂い表現予測システム１は、図１に示すように、対象物Ｓの匂い成分を特定する匂い成分特定手段としてのガスクロマトグラフィオルファクトメトリー装置２（以下、ＧＣ−Ｏ装置２と記す。）と、このＧＣ−Ｏ装置２と接続されたガスクロマトグラフィオルファクトメトリー機械学習装置３（以下、機械学習装置３と記す。）と、ＧＣ−Ｏ装置２からの情報及び機械学習装置３からの情報を表示する匂い表現提供手段としてのモニタ４とを備えている。
機械学習装置３は、ＧＣ−Ｏ装置２によって特定された匂い物質の化合物分子の物理化学的パラメータ情報を取得する分子情報取得手段５と、この分子情報取得手段５で取得された情報を基に、機械学習処理によって、分子パラメータ情報に絞り込む分子パラメータ情報絞り込み手段６と、分子情報絞り込み手段６で絞り込まれた分子パラメータ情報に基づいて、匂い表現を予測する匂い表現予測手段７とを有している。

［ＧＣ−Ｏ装置２］
ＧＣ−Ｏ装置２では、対象物Ｓの各匂い成分の化合物分子が特定される。ＧＣ−Ｏ装置２では、匂い成分に含まれる各化合物分子が分離され、クロマトグラフ８としてモニタ４に表示される。また、各化合物分子（あるいは、各化合物分子の分子構造）は、質量分析計２Ｂ（マススペクトル）から算出され、匂い成分に含まれる各化合物分子が特定される。モニタ４のクロマトグラフ８のピークには、そのピークに対応する化合物分子の物質名及び匂い表現がそれぞれ表示される。
ＧＣ−Ｏ装置２で特定された匂い成分の化合物分子の各物質情報（物質名等）は、機械学習装置３の分子情報取得手段５に伝達される。
なお、ＧＣ−Ｏ装置２には、嗅覚部２Ａが備えられており、この嗅覚部２Ａを介して、利用者は、対象物Ｓから発生する匂い成分の各化合物分子の匂いを嗅ぐことができる。

［分子情報取得手段５］
分子情報取得手段５では、ＧＣ−Ｏ装置２から伝達された匂い成分の化合物分子の物質名に対応する複数の分子パラメータ情報が取得される。
具体的には、ＧＣ−Ｏ装置２から伝達された各匂い成分の化合物分子は、ＳＭＩＬＥＳ（Simplified molecular input line entry specification syntax）表記される。ＳＭＩＬＥＳ表記とは、分子の化学構造をＡＳＣII符号のアルファベットや数字で文字列化して表記したものである。
そして、このＳＭＩＬＥＳ表記された情報は、分子情報計算アプリケーション５Ａに伝達される。この分子情報計算アプリケーション５Ａには、例えば、Ｄｒａｇｏｎ７．０（株式会社アフィニティサイエンス社製）を使用することができる。分子情報計算アプリケーション５Ａでは、ＳＭＩＬＥＳ表記された情報を基に、分子の大きさや極性や官能基などに関する物理化学的な情報が算出され、これらの情報は分子データベース５Ｂに伝達される。

分子情報データベース５Ｂには、分子記述子としての物理化学的パラメータ情報が格納されている。分子情報データベース５Ｂでは、分子情報計算アプリケーション５Ａからの物理化学的な情報に基づいて、分子情報データベース５Ｂの中から、匂い成分の化合物分子に対応する物理化学的パラメータ情報が複数取得される。
なお、分子記述子とは、分子の物理化学的特徴を表す記述表現であり、分子記述子は、例えば、官能基、分子極性、分子の大きさ、平均分子量を基に計算され、決定されている。

［分子パラメータ情報絞り込み手段６］
分子パラメータ情報絞り込み手段６（匂い表現予測アルゴリズム）は、分子情報取得手段５で取得された複数の物理化学的パラメータ情報に基づいて、複数の分子パラメータ情報に絞り込まれる。これらの分子パラメータ情報には、特徴量情報も含まれる。
分子パラメータ情報への絞り込みは、機械学習処理によって行い、例えば、１００６個の物理化学的パラメータ情報を機械学習処理により、特定の分子パラメータ情報まで絞り込まれる。
機械学習処理では、データベースから、ある程度の数のサンプルデータ集合を入力してそのデータから判断基準などを抽出して、解析される。

［匂い表現予測手段７］
匂い表現予測手段７では、分子パラメータ情報絞り込み手段６からの分子パラメータ情報に基づいて、匂い表現が予測される。
ここで、匂い表現とは、匂いから連想されるものを意味し、例えば文字により表現される。この匂い表現には、例えば、「Ｓｗｅｅｔ（甘い）」、「Ｆｒｕｉｔｙ（フルーツ味）」、「Ｗｉｎｅ−Ｌｉｋｅ（ワイン風）」等の言葉が使用される。

次に、本実施形態に係る匂い表現予測システム１の動作について、りんごの匂い表現を予測する例について、説明する。
まず、対象物Ｓであるりんご（飲食物）の匂い成分（匂い成分分子の混合物）をＧＣ−Ｏ装置２に吸引させる。そして、ＧＣ−Ｏ装置２によって、匂い成分の混合物は、各匂い成分の化合物分子に分離され、各匂い成分の化合物分子の物質名（例えば、「酢酸ヘキシル（Ｈｅｘｙｌ ａｃｅｔａｔｅ）」、「リモネン（Ｌｉｍｏｎｅｎｅ）」、「α-ファルネセン（α−Ｆａｒｎｅｓｃｅｎｅ）」）が特定される。各匂い成分の化合物分子の物質名は、クロマトグラフ８のピークの上側に表示される（図１）。分離された各匂い成分の化合物分子の物質名は、分子情報取得手段５に伝達される。この分子情報取得手段５では、各匂い成分の化合物分子の物質名から、匂い成分の化合物分子の分子パラメータ情報が取得される。

一方、飲食物の官能評価を行う評価者Ｐ（パネリスト）は、嗅覚部２Ａを介して、ＧＣ−Ｏ装置２で分離された各成分の化合物分子の匂いを嗅ぎ、嗅覚によってその成分の化合物分子から連想されるものを思考する。

次に、分子パラメータ情報絞り込み手段６では、機械学習処理によって、多数の物理化学的パラメータ情報から、分子パラメータ情報に絞り込まれる。そして、この絞り込まれた分子パラメータ情報は、匂い表現予測手段７に伝達される。匂い表現予測手段７では、伝達された分子パラメータ情報に基づいて、匂い表現が予測される。匂い表現は、例えば、「Ｇｒｅｅｎ」、「Ｓｗｅｅｔ」、「Ｆｒｕｉｔｙ」、「Ｏｒａｎｇｅ」、「Ｍａｇｎｏｌｉａ ｆｌｏｗｅｒ」、「Ｗｏｏｄｙ」、「Ｆａｔｔｙ」、「Ｒｏｓｅ」等の表現が使用される。
これらの匂い表現に関する情報は、モニタ４に伝達され、表示される。そして、評価者Ｐは、嗅覚部２Ａを介して嗅いだ匂いによって連想した表現に適合する匂い表現を、モニタ４に表示された匂い表現の中から選択する。この場合、選択される匂い表現は、１つに限定されず、複数選択することもできる。
そして、選択された匂い表現は、モニタ４に表示されたクロマトグラフ８の匂い成分の化合物分子に対応するピークの上に表記される。例えば、「酢酸ヘキシル」のピークには「Ｆｒｕｉｔｙ」、「リモネン」のピークには「Ｏｒａｎｇｅ」、「α-ファルネセン」のピークには「Ｍａｇｎｏｌｉａ ｆｌｏｗｅｒ」が表示される。

本実施形態に係る匂い表現予測システム１の作用効果について説明する。
本実施形態に係る匂い表現予測システム１は、利用者が対象物Ｓから発生する匂いに対して、より適切な匂い表現を選択することを補助するために使用される。

匂い表現を決定するにあたり、匂い表現に長けている評価者Ｐであっても、飲食物の匂い成分から分離される成分の化合物分子の種類によっては、適切な匂い表現が思い浮かばないことがある。
本実施形態に係る匂い表現予測システム１では、結果として可能性がある匂い表現がモニタ４に複数表示される。そうすると、評価者Ｐは、それらの匂い表現の中から、連想する匂い表現と同一、あるいは連想する匂い表現に近い匂い表現を選択できる可能性がおおきくなる。また、評価者Ｐは、モニタ４の表示を見ながら選択できる。そのため、匂い表現の選択に時間がかからない。
したがって、評価者Ｐは、適切な匂い表現が浮かばない場合でも、匂い表現システム１によって、適切な匂い表現を迅速に選択でき、飲食物の官能評価の効率を高めることができる。

匂い表現は、感覚から生じるものであるため、匂いを嗅いですぐに匂いを表現することは困難である。そのため、評価者には、適切に匂いを表現するための訓練が必要となり、従来、飲食物の官能評価の評価者を育成するためには、長い時間を要していた。

本実施形態に係る匂い表現予測システム１では、ＧＣ−Ｏ装置２で分離された匂い成分分子に対する匂い表現が、短時間で複数表示される。これらの匂い表現は、多岐に亘り、その中には熟練した評価者の匂い表現も含ませることができる。
そうすると、訓練時間が短く未熟な評価者であっても、匂い表現の中から、熟練された評価者と同等の匂い表現を選択することができる。
したがって、適切な匂いを表現する訓練を短時間で行うことができ、短期間で官能評価の評価者Ｐを育成できる。

さらに、本実施形態に係る匂い表現予測システム１のモニタ４に表示された結果は、例えば、ハードディスクに保存でき、表示結果を簡単に見ることができる。
そのため、ボイスレコーダを使用して官能評価をする場合と比較し、官能評価結果を短時間で容易に知ることができる。

本実施形態に係る匂い表現予測システム１は、対象物Ｓの匂い成分の化合物分子の物理化学的パラメータ情報から匂い表現を予測できるため、訓練を行ったパネリストに頼らずとも、匂い表現を客観的に予測することもできる。

［第二実施形態］
本実施形態に係る匂い表現予測システム１０は、第一実施形態に係る匂い表現予測システム１における匂い表現予測手段７において、共起に基づく情報を利用した匂い表現単語カテゴライズ分析によって生成された、複数の匂い表現クラスタリングによって予測することが相違する。以下、匂い表現予測システム１と相違する点を中心に、本実施形態に係る匂い表現予測システム１０を説明する。

匂い表現予測システム１０の分子パラメータ情報絞り込み手段６（匂い表現予測アルゴリズム）は、分子情報取得手段５で取得された複数の物理化学的パラメータ情報に基づいて、複数の分子パラメータ情報に絞り込まれる。これらの分子パラメータ情報には、特徴量情報も含まれる。この分子パラメータ情報への絞り込みは、例えば、主成分分析法（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐоｎｅｎｔ Ａｎａｌｙｓｉｓ：ＰＣＡ）、線形判別分析（Ｌｉｎｅｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ：ＬＤＡ）、特異値分析（Ｓｉｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃоｍｐоｓｉｔｉоｎ：ＳＶＤ）などの多変量解析手法によって実施する。
なお、分子パラメータ情報への絞り込みは、多数の物理化学的パラメータ情報を機械学習処理によって行うこともできる。

匂い表現予測
手段７では、匂い表現単語カテゴライズ分析を実施する。この匂い表現単語カテゴライズ分析では、匂い表現単語の共起に基づく分類（Jａｃｃａｒｄ係数行列）（手法１）、他の匂い表現単語との共起分布の類似性に基づく分類（共起分布行列）（手法２）を実施した。

クラスタリングする匂い表現クラスタは、分子パラメータから予測し、図２に示したデンドログラム（樹形図）とした。このデンドログラムから、匂い表現クラスタ数は、少なくとも「３」とすることができる。これらに複数の匂い表現クラスタは、機械学習処理によって行った。

本実施形態では、まず、クラスタ数を１０と決定し、匂い表現単語を共起分類した（Ｃ１からＣ１０）。そして、それらのクラスタの中で最も一般的に共起されている単語として、「Ｃｒｅａｍｙ」、「Ｓｕｌｆоｕｓ」、「Ｅａｒｔｈｙ」、「Ａｍｂｅｒ」、「Ｓｐｉｃｙ」、「Ｗооｄｙ」、「Ｔｒоｐｉｃａｌ」、「Ｆｒｕｉｔｙ」、「Ｆｒｅｓｈ」、「Ｌｉｌｙ」の匂い表現を選択した（図３）。

これらの共起分類の精度を正解率（Ａｃｃ）として、図３に示した。
共起分類の正解率は、約６５％から９７％であったことから、本実施形態で実施した匂い表現の共起分類の精度は、高いことが判る。
さらに、図４に示すように、匂い表現クラスタ数を「１６」（Ｃ１からＣ１６）と決定し、共起分類の精度を調べたところ、正解率（Ａｃｃ）は、約７２％から９６％であった。
これらのことから、共起分類を利用することで、クラスタの中で最も一般的に共起されている単語（匂い表現）を決定し、匂い表現クラスタを作成できることが判った。

以下、匂い表現クラスタ数を「１０」（Ｃ１からＣ１０）とし、匂い表現クラスタ分析を実施した。

［手法１］
手法１において、匂い表現クラスタリングは、［式１］に示す共起行列式を用いて、単語の特徴ベクトルを算出した後、階層的クラスタ分析（ｈｃｌｕｓｔ）及び非階層的クラスタ分析（Ｋ-ｍｅａｎｓ）を実施した。

Ｊａｃｃａｒｄ（Ｔ_i，Ｔ_j）：匂い表現単語Ｔ_iとＴ_jのＪａｃｃａｒｄ係数
ｎ：数

［手法２］
手法２において、匂い表現クラスタリングは、［式２］に示す共起分布行列を用いて、匂い表現単語の近似性（ベクトル空間の距離）を算出した後、手法１と同様に、階層的クラスタ分析（ｈｃｌｕｓｔ）及び非階層的クラスタ分析（Ｋ-ｍｅａｎｓ）を実施した。

Ｄ_ij：匂い表現単語Ｔ_iとＴ_jの共起分布
Ｃ_ij：匂い表現単語Ｔ_iとＴ_jが同じにおい分子において共起した回数
Ｐ_i：匂い表現単語Ｔ_iの平均分布確率（各表現単語を有するおい分子の数を求め、全てのにおい分子の数を除すことにより、匂い表現単語Ｔ_iの平均分布確率Ｐ_iとなる）
Ｓ_i：匂い表現単語Ｔ_iにおける他の総共起回数（匂い表現単語Ｔ_iとＴ_jにおいて、同じにおい分子において共起した回数を求めて共起行列Ｃ_i.jを作成し、単語Ｔ_iの他の単語の総共起回数Ｓ_iを算出する）

手法１の分析結果を図５、及び図６に示した。図５は、階層的クラスタ分析に基づく匂い表現分類結果、図６は、非階層的クラスタ分析に基づく匂い表現分類結果をそれぞれ示している。

手法１の分析結果から、階層的クラスタ分析及び非階層的クラスタ分析とも、他のクラスタと完全に重なっているクラスタが存在することが判った。また、両分析とも、他のクラスタの一部と重なっているクラスタが多く存在することが判った。

次に、手法２の分析結果を図７、及び図８に示した。図７は、階層的クラスタ分析に基づく匂い表現分類結果、図８は、非階層的クラスタ分析に基づく匂い表現分類結果をそれぞれ示している。

手法２の分析結果から、階層的クラスタ分析では、他のクラスタと完全に重なるクラスタは存在しなかった。一方、非階層的クラスタ分析では、他のクラスタと完全に重なっているクラスタが存在することが判った。また、両分析結果を比較すると、階層的クラスタ分析で生成されたクラスタの方が、他のクラスタの一部と重なっている度合いが小さいことが判った。

以上の結果から、共起分布による分類は、より高い寄与率を示すことが判った。そのため、共起分布データを利用することで、より精度の高い匂い表現の特徴を抽出できる。特に、階層的なクラスタリング法は、非階層的な方法と比較し、クラスタ同士の重なりが少ないため、より精度が高いで匂い表現を抽出でき、高いクラスタリング効果がある。

本実施形態に係る匂い表現予測システム１０は、表現予測手段７において、共起に基づく情報を利用した匂い表現単語カテゴライズ分析によって生成された、類似する複数の匂い表現クラスタリングによって予測することで、より実用的な匂い表現の予測や検索をすることができる。

また、本実施形態の匂い表現予測システム１０は、匂い分子の物理・化学的パラメータを利用することで、匂い表現の分類（所属クラス）を高い精度（正解率）で予測することが可能となる。

本実施形態に係る匂い表現予測システムには、匂い表現予測カテゴライズ方法を使用できる。この匂い表現予測カテゴライズ方法は、化合物分子の物理化学的パラメータ情報を基に、分子パラメータ情報を算出する分子パラメータ情報算出過程と、算出された前記分子パラメータ情報に基づき、機械学習処理によって、類似性を有する匂い表現クラスタを複数生成し、匂い表現をカテゴライズする匂い表現カテゴライズ過程とを含んでいる。

この匂い表現予測カテゴライズ方法を使用することで、例えば、匂い表現の共起分布関係から、意味が近い匂い表現単語をカテゴライズすることができる。そして、本実施形態で示した例以外でも、使用者が好む匂い表現をカテゴライズすることができ、その匂い表現に近いものを選択することができる。

また、匂い表現カテゴライズ方法は、機械学習時のノイズを低減することができるため、この匂い表現カテゴライズ方法を使用することで、匂い表現予測を向上させることができる。この匂い表現カテゴライズ方法を使用することで、類似・曖昧な表現をカテゴライズすることができ、より分子の構造的本質を表している匂い表現を選択することができる。さらに、マイナーな匂い表現でしか認識されていない匂い分子も機械学習の対象とすることができる。

以上、本実施形態について説明したが、これ以外にも、本発明の主旨を逸脱しない限り、上記実施の形態で挙げた構成を取捨選択したり、他の構成に適宜変更することが可能である。
本実施形態では、飲食物の官能評価におけるパネリストが使用する例について説明したが、この匂い表現予測システム１は、飲食物の官能評価に使用する場合に限定されず、匂いを表現する作業を伴う評価に使用することができる。

本実施形態では、ＧＣ−Ｏ装置２で分離された各成分の匂い表現を選択する例について説明したが、本実施形態に係る匂い表現予測システム１は、飲食物全体から生じる匂いの匂い表現をモニタ４に表示することもできる。
また、匂い表現は、感覚が表現されるものであればよいため、文字に限定されず、例えば、記号、色彩、模様、音、温度、光度、及びこれらの組み合わせとすることもできる。

第二実施形態において、匂い表現は使用者の目的に応じて適宜選択することができ、匂い表現クラスタの数も任意に決定することができる。

１，１０ 匂い表現予測システム
２ ガスクロマトグラフィオルファクトメトリー装置（ＧＣ−Ｏ装置）
２Ａ 嗅覚部
２Ｂ 質量分析計
３ ガスクロマトグラ−フィオルファクトメトリー機械学習装置（機械学習装置）
４ モニタ（匂い表現提供手段）
５ 分子情報取得手段
５Ａ 分子情報計算アプリケーション
５Ｂ 分子情報データベース
６ 分子パラメータ情報絞り込み手段
７ 匂い表現予測手段
８ クロマトグラフ
Ｐ 評価者
Ｓ 対象物

Claims (6)

1. 対象物から生じる匂い物質に基づいて、匂い表現を予測する匂い表現予測システムであって、
   前記対象物の前記匂い物質を特定する匂い物質特定手段と、
   特定された前記匂い物質の化合物分子の物理化学的パラメータ情報を取得する分子情報取得手段と、
   取得された前記化合物分子の物理化学的パラメータ情報を基に、分子パラメータ情報に絞り込む分子パラメータ情報絞り込み手段と、
   絞り込まれた前記分子パラメータ情報に基づき、機械学習処理によって、前記匂い表現を予測する匂い表現予測手段と、
   予測された前記匂い表現を提供する匂い表現提供手段と、を備える、
   ことを特徴とする匂い表現予測システム。
2. 前記匂い表現予測手段において、
   前記匂い表現が、共起に基づく情報を利用した匂い表現単語カテゴライズ分析によって生成された、類似性を有する、複数の匂い表現クラスタリングによって予測される、
   ことを特徴とする請求項１に記載の匂い表現予測システム。
3. 前記匂い表現提供手段は、モニタであり、予測された前記匂い表現が前記モニタに表示され、
   利用者が、前記対象物の匂いから連想される表現を、予測された前記匂い表現の中から選択できる、
   ことを特徴とする請求項１又は請求項２に記載の匂い表現予測システム。
4. 前記匂い物質特定手段は、ガスクロマトグラフィー質量分析オルファクトメトリー（ＧＣ／ＭＳ−Ｏ）である、
   ことを特徴とする請求項１から請求項３の何れか一項に記載の匂い表現予測システム。
5. 予測された前記匂い表現は、文字、記号、色彩、模様、音、温度、及び光度の少なくとも１つから構成される、
   ことを特徴とする請求項１から請求項４の何れか一項に記載の匂い表現予測システム。
6. 匂い表現予測システムに利用される匂い表現カテゴライズ方法であって、
   化合物分子の物理化学的パラメータ情報を基に、分子パラメータ情報を算出する分子パラメータ情報算出過程と、
   算出された前記分子パラメータ情報に基づき、機械学習処理によって、類似性を有する匂い表現クラスタを複数生成し、匂い表現をカテゴライズする匂い表現カテゴライズ過程と、を含む、
   ことを特徴とする匂い表現カテゴライズ方法。