JP2021060990A - 味嗜好性把握方法、飲食品提供方法、飲食品提案方法、飲食店提案方法及び交際候補者提案方法、味嗜好性把握プログラム、飲食品提案プログラム、飲食店提案プログラム及び交際候補者提案プログラム、並びに、味嗜好性把握用飲食品セット - Google Patents
味嗜好性把握方法、飲食品提供方法、飲食品提案方法、飲食店提案方法及び交際候補者提案方法、味嗜好性把握プログラム、飲食品提案プログラム、飲食店提案プログラム及び交際候補者提案プログラム、並びに、味嗜好性把握用飲食品セット Download PDFInfo
- Publication number
- JP2021060990A JP2021060990A JP2020162176A JP2020162176A JP2021060990A JP 2021060990 A JP2021060990 A JP 2021060990A JP 2020162176 A JP2020162176 A JP 2020162176A JP 2020162176 A JP2020162176 A JP 2020162176A JP 2021060990 A JP2021060990 A JP 2021060990A
- Authority
- JP
- Japan
- Prior art keywords
- taste
- taste preference
- food
- data
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000019640 taste Nutrition 0.000 title claims abstract description 459
- 235000013305 food Nutrition 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000011156 evaluation Methods 0.000 claims abstract description 136
- 150000003839 salts Chemical class 0.000 claims abstract description 72
- 238000009795 derivation Methods 0.000 claims abstract description 9
- 235000014347 soups Nutrition 0.000 claims description 21
- 235000013361 beverage Nutrition 0.000 claims description 6
- 235000002639 sodium chloride Nutrition 0.000 description 64
- 240000008620 Fagopyrum esculentum Species 0.000 description 46
- 235000009419 Fagopyrum esculentum Nutrition 0.000 description 46
- 239000004615 ingredient Substances 0.000 description 40
- 239000000243 solution Substances 0.000 description 24
- 239000007788 liquid Substances 0.000 description 20
- 235000012149 noodles Nutrition 0.000 description 20
- 238000012545 processing Methods 0.000 description 10
- 238000000611 regression analysis Methods 0.000 description 10
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical group [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 235000015278 beef Nutrition 0.000 description 7
- 238000011002 quantification Methods 0.000 description 7
- 238000007621 cluster analysis Methods 0.000 description 6
- 235000012054 meals Nutrition 0.000 description 5
- 235000015067 sauces Nutrition 0.000 description 5
- 239000011780 sodium chloride Substances 0.000 description 5
- 239000002994 raw material Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 241000482268 Zea mays subsp. mays Species 0.000 description 3
- 235000011194 food seasoning agent Nutrition 0.000 description 3
- 235000015277 pork Nutrition 0.000 description 3
- 240000008415 Lactuca sativa Species 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000008446 instant noodles Nutrition 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 235000015927 pasta Nutrition 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 235000012045 salad Nutrition 0.000 description 2
- SQGYOTSLMSWVJD-UHFFFAOYSA-N silver(1+) nitrate Chemical compound [Ag+].[O-]N(=O)=O SQGYOTSLMSWVJD-UHFFFAOYSA-N 0.000 description 2
- TUBQDCKAWGHZPF-UHFFFAOYSA-N 1,3-benzothiazol-2-ylsulfanylmethyl thiocyanate Chemical compound C1=CC=C2SC(SCSC#N)=NC2=C1 TUBQDCKAWGHZPF-UHFFFAOYSA-N 0.000 description 1
- QLOKJRIVRGCVIM-UHFFFAOYSA-N 1-[(4-methylsulfanylphenyl)methyl]piperazine Chemical compound C1=CC(SC)=CC=C1CN1CCNCC1 QLOKJRIVRGCVIM-UHFFFAOYSA-N 0.000 description 1
- 241000007561 Acacia citrinoviridis Species 0.000 description 1
- 244000291564 Allium cepa Species 0.000 description 1
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 244000046038 Ehretia acuminata Species 0.000 description 1
- 235000009300 Ehretia acuminata Nutrition 0.000 description 1
- 235000014693 Fagopyrum tataricum Nutrition 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 244000294411 Mirabilis expansa Species 0.000 description 1
- 235000015429 Mirabilis expansa Nutrition 0.000 description 1
- 235000021210 cold soups Nutrition 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 235000005686 eating Nutrition 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000002075 main ingredient Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 235000013536 miso Nutrition 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 229910001961 silver nitrate Inorganic materials 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
Images
Landscapes
- General Preparation And Processing Of Foods (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図1で示すのは、本実施の形態の味嗜好性把握方法(以下、「本味嗜好性把握方法」という。)の流れである。本味嗜好性把握方法を構成するのは、評価(S11)、及び、導出(S12)である。これらの詳細は、次のとおりである。
ユーザによって評価されるのは、3以上のモデル飲食品である。この評価によって得られるのは、各モデル飲食品に対する味評価スコアである。モデル飲食品の詳細は、後述する。
人又は装置よって導出されるのは、ユーザの味嗜好性スコア及び/又は味嗜好性クラスである。ユーザの味嗜好性スコアを導出する際に用いられるのは、少なくとも、当該モデル飲食品の食塩濃度、及び、評価(S11)で得られた各モデル飲食品に対するユーザの味評価スコアである。これらの変数が代入されるのは、後述する回帰式である。
(1)味評価スコアとは、点数であって、味評価を数値化したものをいう。
(2)味嗜好性スコアとは、点数であって、味嗜好性を数値化したものをいう。
(3)味嗜好性クラスとは、分類であって、その分類基準が味嗜好性であるものをいう。
モデル飲食品とは、飲食品であって、そこに含まれるのが少なくとも食塩であり、かつ、その用途が味嗜好性の把握であるものをいう。モデル飲食品セットとは、3以上のモデル飲食品の組合せであって、その用途が味嗜好性の把握であるものをいう。食塩の主成分は、塩化ナトリウムである。食塩を例示すると、食卓塩(精製塩)、海塩、岩塩、湖塩、天日塩、焼塩、藻塩、フレーク塩等である。モデル飲食品の数は、少なくとも、3以上であり、好ましくは、4以上であり、より好ましくは、5以上である。各モデル飲食品の食塩濃度は、互いに異なる。モデル飲食品の食塩濃度は、特に限定されないが、好ましくは、以下のとおりである。最も低い濃度は、0.13%である。食塩濃度が0.13%未満だと、味が薄くて差異を感じにくくなる。最も高い濃度は、3.00%である。食塩濃度が3.00%を超えると、味が濃すぎて差異を感じにくくなる。モデル飲食間の食塩濃度の差は、味の差異が感じられればよく、特に限定されないが、好ましくは0.06%以上であり、より好ましくは0.13%以上であり、最も好ましくは0.20%以上である。モデル飲食品に含みうるのは、塩化ナトリウムに加え、コンソメ、ブイヨン、スープストック又はだし等である。
食塩濃度を求める方法は、限定されない。ここで用いられる値は、様々であり、具体的には、食塩の量、ナトリウムの量、塩化物イオンの量、又は、これらの組合せである。
回帰式の目的変数は、ユーザの味嗜好性スコア又は味嗜好性クラスである。回帰式の説明変数は、各モデル飲食品に対するユーザの味評価スコアである。回帰式の作成方法は、次のとおりである。
評価者によって採点されるのは、3以上のモデル飲食品である。この採点によって得られるのは、各モデル飲食品に対する味評価スコアである。
人又は装置によって分類されるのは、採点者である。ここで、採点者とは、採点したユーザである。その分類に際し、用いられるのは、少なくとも、当該モデル飲食品の食塩濃度及び評価者採点で得られた味評価スコアである。この分類によって得られるのは、味嗜好性クラスタである。採点者は、階層的に分類される。分類の手段は、特に限定されないが、例示すると、Ward法(別名:最小分散法)、単リンク法(別名:最短距離法)、完全リンク法(別名:最長距離法)、群平均法、セントロイド法(別名:重心法)、重み付き平均法、メジアン法等である。好ましくは、Ward法、単リンク法である。味嗜好性クラスタの数は、2以上であり、好ましくは、3以上であり、より好ましくは、4以上であり、最も好ましくは、5以上である。
点数が付与されるのは、評価者分類で得られた味嗜好性クラスタである。点数を付与するのは、人又は装置である。点数は、傾斜的或いは階段的に付与され、その際に参照されるのは各味嗜好性クラスタに属する採点者の各モデル飲食品に対する味評価スコアである。具体的には、ここでは、味嗜好性クラスタのうち相対的に高い食塩濃度が好まれるものに付されているのは、相対的に高い点であり、他方、クラスタのうち相対的に低い食塩濃度が好まれるものに付されているのは、相対的に低い点であるが、その逆でも構わない。
回帰式を作成するに際して用いられるのは、少なくとも、評価者採点で得られた各モデル飲食品に対する味評価スコア、点数付与で得られた味嗜好性クラスタの点数である。回帰式に要するのは、複数の説明変数である。回帰式を得る方法は、特に限定されないが、例示すると、重回帰分析(最小二乗法)、重回帰分析(ステップワイズ法)である。
モデル飲食品に対する味評価が得られれば、一般的な飲食品に対する味嗜好性も把握される。その点を裏付けるのは、以下の実験である。
モデル液1から5を調製した。各モデル液は、モデル飲食品の一例である。表1に示すのは、各モデル液中の原料配合量及び食塩相当量である。モデル液1では、市販のコンソメ(味の素KKコンソメ、味の素社製、食塩相当量47.1%)及び水を配合した。モデル液2から5では、市販のコンソメ(味の素KKコンソメ、味の素社製、食塩相当量47.1%)、市販の食塩、及び水を配合した。各モデル液の総重量を揃えて、それぞれ、20.00gとした。
各モデル液を評価したのは、カゴメ株式会社の社員53名(以下、「被験者」ともいう。)である。まず、被験者が飲んだのは、モデル液1から5である。これらのモデル液に付したのは、順不同な3桁の数字である。それによって、モデル液を評価する順番が不規則的になる。次に、被験者が判定したのは、モデル液に対する嗜好である。
各モデル液に対する評価を数値化した。数直線の一端「嫌い」に設定されたスコアは、「0」である。他端「好き」に設定されたスコアは、「100」である。つまり、記入された線が示すスコアの範囲は、「0」から「100」である。以上によって、各モデル液の味評価スコアを得た。
図3で示されるのは、クラスタ解析の結果である。各被験者の各モデル液に対する味評価スコアをクラスタ解析(ward法)した。クラスタ解析に用いたソフトウェアは、JMP14.0(SAS Institute Japan社製)である。この解析で用いた変数は、モデル液1から5の味評価スコアである。被験者21を分類して得られたのは、5つのクラスタ(塊)22である。具体的には、クラスタ5に分類されたのは、被験者のうち高い食塩濃度のモデル液を最も好む者、及び/又は、低い食塩濃度のモデル液を最も好まない者である。クラスタ4に分類されたのは、被験者のうち高い食塩濃度のモデル液を次に(2番目に)好む者、及び/又は、低い食塩濃度のモデル液を次に(2番目に)好まない者である。クラスタ3に分類されたのは、高い食塩濃度のモデル液を最も好まない者、及び/又は、低い食塩濃度のモデル液を最も好む者である。クラスタ2に分類されたのは、高い食塩濃度のモデル液を次に(2番目に)好まない者、及び/又は、低い食塩濃度のモデル液を次に(2番目に)好む者である。クラスタ1に分類されたのは、これらの何れにもあてはまらない被験者である。
各クラスタに付与したのは、点数である。5つのクラスタを順位付けした。そのような順位付けで根拠にしたのは、各クラスタに属する被験者のモデル液に対する味評価スコアである。順位付けの結果、5つのクラスタに付されたのは、0から100までの点数である。具体的には、クラスタ5に付した点は、「100」である。クラスタ4に付した点は、「75」である。クラスタ1に付した点は、「50」である。クラスタ3に付した点は、「0」である。クラスタ2に付した点は、「25」である。
重回帰分析(最小二乗法)で用いたソフトウェアは、JMP14.0(SAS Institute Japan社製)である。その際、目的変数に採用したのは、5つのクラスタに付与した点数である。他方、説明変数に採用したのは、各モデル液に対する味評価スコアである。重回帰分析の結果、回帰式が得られた。
被験者の味嗜好性スコアを把握した。具体的には、被験者の味嗜好性スコアを得るため、回帰式に対して代入したのは、当該被験者のモデル液に対する味評価スコアである。
被験者の味嗜好性クラスを把握した。各被験者の味嗜好性スコアを把握したうえで、各被験者を分類した結果は、以下のとおりである。「超薄味嗜好群」に分類されたのは、被験者のうち味嗜好性スコアが「25」未満の者である。「やや薄味嗜好群」に分類されたのは、被験者のうち味嗜好性スコアが「25」以上「50」未満の者である。「やや濃い味嗜好群」に分類されたのは、被験者のうち味嗜好性スコアが「50」以上「75」未満の者である。「超濃い味嗜好群」に分類されたのは、被験者のうち味嗜好性スコアが「75」以上の者である。
ラーメン1から5を調製した。ラーメンスープを調製した。表2に示すのは、各ラーメンのラーメンスープ中の原料配合(使用)量及び食塩相当量である。(麺由来の食塩相当量は、除く。)ラーメン1から5のラーメンスープでは、市販の即席麺(サッポロ一番 塩らーめん、サンヨー食品社製)の粉末スープ及び水を配合した。次に、同市販の即席麺の乾麺を茹でた。各ラーメンスープ及び茹でた麺を混ぜた。以上により、ラーメン1から5を得た。
ラーメン1から5を評価したのは、前述の被験者53名のうち16名である。具体的には、各味嗜好群「超薄味嗜好群」、「やや薄味嗜好群」、「やや濃い味嗜好群」及び「超濃い味嗜好群」から無作為に選ばれたのは、それぞれ、4人である。まず、当該16名の被験者が食べたのは、ラーメン1から5である。これらのラーメンに付されていたのは、順不同な3桁の数字である。それによって、ラーメンを評価する順番が不規則的になる。次に、当該16名の被験者が評価したのは、当該ラーメンの味である。
各ラーメンに対する評価を数値化した。各チェックボックス「とても嫌い」、「嫌い」、「少し嫌い」、「やや嫌い」、「普通」、「やや好き」、「少し好き」、「好き」、及び、「とても好き」に設定されたスコアは、それぞれ、「1」、「2」、「3」、「4」、「5」、「6」、「7」、「8」、及び、「9」である。以上によって、各ラーメンの味評価スコアを得た。
ラーメンの味評価スコアを解析した。ラーメンに対する薄味嗜好群の味評価スコアの平均値を求めた。また、ラーメンに対する濃い味嗜好群の味評価スコアの平均値を求めた。その際、味評価スコアを標準化した。群間の味評価スコアの価値は、必ずしも一致しないからである。
そば1から5を調製した。かけ汁を調製した。表3に示すのは、各そばのかけ汁中の原料配合(使用)量及び食塩相当量(そば由来の食塩相当量は、除く。)である。そば1のかけ汁では、市販のめんつゆ(めんつゆ1000mL、ヤマキ社製)及び水を配合した。そば2から5のかけ汁では、同市販のめんつゆ、水、及び食塩を配合した。次に、市販の冷凍そば(石臼挽き日本蕎麦、テーブルマーク社製)を茹でた。各かけ汁及び茹でたそばを混ぜた。以上により、そば1から5を得た。
そば1から5を評価したのは、前述の被験者53名のうち20名である。各味嗜好群「超薄味嗜好群」、「やや薄味嗜好群」、「やや濃い味嗜好群」及び「超濃い味嗜好群」から無作為に選ばれたのは、それぞれ、4人以上である。そばを評価した方法は、ラーメンでの方法と同様である。
各そばに対する味評価を数値化した。そば1から5の味評価スコアを得た方法は、ラーメンでの方法と同様である。
図6で示されるのは、そばに対する各被験者の味評価スコアの解析結果である。味評価スコアを解析した方法は、ラーメンでの方法と同じである。この結果が示すのは、(1)薄味嗜好群51で味評価スコア(標準化済)が最も高かったのがそば2であること、(2)濃い味嗜好群52で味評価スコア(標準化済)が最も高かったのがそば3であること、(3)薄味嗜好群51で味評価スコア(標準化済)が最も低かったのがそば5であること、(4)濃い味嗜好群52で味評価スコア(標準化済)が最も低かったのがそば1であること、である。言い換えると、モデル液に対する味嗜好性と実メニュー「そば」に対する味嗜好性とは、略同じである。つまり、モデル液を評価すれば、実メニュー「そば」を評価しなくても、「そば」に対する味嗜好性を予測できる。
牛丼の具1から5を調製した。牛丼の具のタレを調製した。表4に示すのは、各牛丼の具のタレ中の原料配合(使用)量及び食塩相当量である。牛丼の具1のタレでは、市販の牛丼用調味料(どんぶり喰亭 牛丼の素、エバラ社製)及び水を配合した。牛丼の具2から5のタレでは、同市販の牛丼用調味料、水、及び食塩を配合した。各タレ、牛肉25g、及び、たまねぎ25gを混ぜて、加熱した。以上により、牛丼の具1から5が得られた。
牛丼の具1から5を評価したのは、前述の被験者53名のうち20名である。各味嗜好群「超薄味嗜好群」、「やや薄味嗜好群」、「やや濃い味嗜好群」及び「超濃い味嗜好群」から無作為に選ばれたのは、それぞれ、4人以上である。牛丼の具を評価した方法は、ラーメンでの方法と同様である。
各牛丼の具に対する味評価を数値化した。牛丼の具1から5の味評価スコアを得た方法は、ラーメンでの方法と同様である。
図7で示されるのは、牛丼の具に対する各被験者の味評価スコアの解析結果である。味評価スコアを解析した方法は、ラーメンでの方法と同じである。この結果が示すのは、(1)薄味嗜好群61で味評価スコア(標準化済)が最も高かったのが牛丼の具2であること、(2)濃い味嗜好群62で味評価スコア(標準化済)が最も高かったのが牛丼の具5であること、(3)薄味嗜好群61で味評価スコア(標準化済)が最も低かったのが牛丼の具1及び5であること、(4)濃い味嗜好群62で味評価スコア(標準化済)が最も低かったのが牛丼の具1であること、である。言い換えると、モデル液に対する味嗜好性と実メニュー「牛丼の具」に対する味嗜好性とは、略同じである。つまり、モデル液を評価すれば、実メニュー「牛丼の具」を評価しなくても、「牛丼の具」に対する味嗜好性を予測できる。
図8で示すのは、本実施の形態の飲食品提供方法(以下、「本飲食品提供方法」という。)の流れである。本飲食品提供方法を構成する工程は、指定(S21)、及び、提供(S22)である。これらの工程を詳説すると、次のとおりである。
ユーザ又は装置によって指定されるのは、ユーザの味嗜好性スコア及び/又は味嗜好性クラスである。これらの指標を把握する方法は、前述の味嗜好性把握方法(S11、S12)のとおりである。
ユーザ又は装置によって提供されるのは、飲食品である。提供される飲食品の数は、不問であり、0、1、又は、2以上である。提供数「0」が意味するのは、該当なしである。当該飲食品に関連付けられているのは、当該指定された味嗜好性スコア及び/又は味嗜好性クラスである。飲食品を提供するにあたり参照されるのは、対応表である。この対応表に示されているのは、飲食品、並びに、味嗜好性スコア及び/又は味嗜好性クラスの関係である。飲食品を提供する態様は、公知のものであればよく、特に限定されないが、例示すると、対面、郵送、宅配、陳列等である。
飲食品とは、飲料、食品、又は、これらの組合せであって、そこに含まれるのが少なくとも食塩であるものをいう。飲食品の食塩濃度は、0.20%以上である。飲食品の食塩濃度が0.20%未満であると、当該飲食品は、味嗜好性を問わず、評価されない。飲食品を例示すると、麺もの、丼もの、汁もの等である。
麺ものとは、食品(又は食事)であって、その主な食材が麺であるものをいう。麺類を例示すると、うどん、そば、そうめん、ひやむぎ、中華麺、パスタ、餃子、焼売、ワンタン等であり、好ましくは、うどん、そば、そうめん、ひやむぎ、中華麺、パスタである。
丼ものとは、食品(又は食事)であって、その器に米飯及び具材が盛り付けられたものをいう。丼ものを例示すると、牛丼、豚丼、親子丼、卵丼、かつ丼、中華丼、天丼、鰻丼、海鮮丼等であり、好ましくは、牛丼、豚丼、親子丼、卵丼、かつ丼、中華丼である。
汁ものとは、食品(又は食事)であって(麺ものを除く。)、その汁(スープ)に具材が浸かっているものをいう。汁ものを例示すると、味噌汁、豚汁、けんちん汁、すまし汁、潮汁、冷や汁、スープ、鍋等である。
図9で示すのは、本実施の形態の飲食品提案方法(以下、「本飲食品提案方法」という。)の流れである。本飲食品提案方法を構成する工程は、指定(S31)、及び、提案(S32)である。これらの工程を詳説すると、次のとおりである。
ユーザ又は装置によって指定されるのは、ユーザの味嗜好性スコア及び/又は味嗜好性クラスである。これらの指標を把握する方法は、前述の味嗜好性把握方法(S11、S12)のとおりである。
ユーザ又は装置によって提案されるのは、飲食品である。提案される飲食品の数は、不問であり、0、1、又は、2以上である。提案数「0」が意味するのは、該当なしである。当該飲食品に関連付けられているのは、当該指定された味嗜好性スコア及び/又は味嗜好性クラスである。飲食品を提案するにあたり参照されるのは、対応表である。この対応表に示されているのは、飲食品、並びに、味嗜好性スコア及び/又は味嗜好性クラスの関係である。飲食品を提案する態様は、公知のものであればよく、特に限定されないが、例示すると、対面、書面、電話、メール、インターネット、SNS等である。飲食品の説明は、前述のとおりである。
図10で示すのは、本実施の形態の飲食店提案方法(以下、「本飲食店提案方法」という。)の流れである。本飲食店提案方法を構成する工程は、指定(S41)、及び、提案(S42)である。これらの工程を詳説すると、次のとおりである。
ユーザ又は装置によって指定されるのは、ユーザの味嗜好性スコア及び/又は味嗜好性クラスである。これらの指標を把握する方法は、前述の味嗜好性把握方法(S11、S12)のとおりである。
ユーザ又は装置によって提案されるのは、飲食店である。提案される飲食店の数は、不問であり、0、1、又は、2以上である。提案数「0」が意味するのは、該当なしである。当該飲食店に関連付けられているのは、当該指定された味嗜好性スコア及び/又は味嗜好性クラスである。飲食店を提案するにあたり参照されるのは、対応表である。この対応表に示されているのは、飲食店、並びに、味嗜好性スコア及び/又は味嗜好性クラスの関係である。飲食店を提案する方法は、公知のものであればよく、特に限定されないが、例示すると、対面、書面、電話、メール、インターネット、SNS等である。
飲食店とは、店舗であって、その提供物が飲食品であるものをいう。飲食店を例示すると、ラーメン店、日本蕎麦店、日本料理店、牛丼専門店、イタリア料理店、中華料理店、スープスタンドなどである。
図11で示すのは、本実施の形態の交際候補者提案方法(以下、「本交際候補者提案方法」という。)の流れである。本交際候補者提案方法を構成する工程は、指定(S51)、及び、提案(S52)である。これらの工程を詳説すると、次のとおりである。
ユーザ又は装置によって指定されるのは、ユーザの味嗜好性スコア及び/又は味嗜好性クラスである。これらの指標を把握する方法は、前述の味嗜好性把握方法(S11、S12)のとおりである。
ユーザ又は装置によって提案されるのは、交際候補者である。提案される交際候補者の数は、不問であり、0、1、又は、2以上である。提案数「0」が意味するのは、該当なしである。当該交際候補者に関連付けられているのは、当該指定された味嗜好性スコア及び/又は味嗜好性クラスである。交際候補者を提案するにあたり参照されるのは、対応表である。この対応表に示されているのは、交際候補者、並びに、味嗜好性スコア及び/又は味嗜好性クラスの関係である。交際候補者を提案する方法は、公知のものであればよく、特に限定されないが、例示すると、対面、書面、電話、メール、インターネット、SNS等である。
交際候補者とは、自然人であって、交際可能性がある者をいう。交際とは、人同士の付き合いをいう。交際の目的は、不問であり、例示すると、友達関係、恋愛関係、婚姻関係などである。もっとも、交際候補者に求められるのが味嗜好性の一致である場合、交際の目的の多くは、結婚である。
図12で示すのは、本実施の形態の味嗜好性把握プログラム(以下、「本味嗜好性把握プログラム」という。)の処理の流れである。本味嗜好性把握プログラムによってコンピュータが実行するのは、入力(S61)、導出(S62)、及び、出力(S63)である。これらの処理の詳細は、後述する。
コンピュータとは、データ処理装置をいう。当該コンピュータを一般的に構成するのは、入出力ポート、処理装置、プログラム記憶装置(例えば、HDD、SSDやROMなど)、一時記憶装置(例えば、RAMなど)である。入出力ポートに接続されているのは、入力装置(例えば、キーボードやマウス等)及び出力装置(例えば、ディスプレイやスピーカ等)、又は入出力装置(例えば、タッチパネル等)である。プログラム記憶装置に記憶されるのは、各種プログラムである。一時記憶装置に記憶されるのは、展開された各種プログラム、及び、各種入出力データである。
コンピュータによって入力されるのは、味評価データである。味評価データが示すのは、各モデル飲食品の味に対する評価である。このとき、コンピュータによって表示されるのは、入力画面である。この表示画面がユーザをして入力させるのは、モデル飲食品の味に対するユーザの評価である。当該味評価が入力されると、一時記憶装置に記憶されるのは、味評価データである。
味評価データが入力されると、コンピュータによって導出されるのは、味嗜好性スコア又は味嗜好性クラスである。その際に、コンピュータによって参照されるのは、入力された味評価データである。導出において、先ず、味評価を数値化する。次いで、数値化された味評価を回帰分析する。そのような数値化及び回帰分析のアルゴリズムを作成するにあたり参考になるのは、前述の<モデル液に対する評価の数値化>欄、<クラスタ解析>欄、<クラスタへの点数付与>欄及び<重回帰分析>欄の記載である。
コンピュータによって出力されるのは、導出された味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。ここで、味嗜好性スコアデータが示すのは、ユーザの味嗜好性スコアである。また、味嗜好性クラスデータが示すのは、ユーザの味嗜好性クラスである。このとき、コンピュータによって表示されるのは、出力画面である。
図15で示すのは、本実施の形態の飲食品提案プログラム(以下、「本飲食品提案プログラム」という。)の処理の流れである。本飲食品提案プログラムによってコンピュータが実行するのは、入力(S71)、検索(S72)、及び、出力(S73)である。コンピュータの説明は、前述のとおりである。これらの処理の詳細は、次のとおりである。
コンピュータによって入力されるのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。味嗜好性スコアデータが示すのは、ユーザの味嗜好性スコアである。味嗜好性クラスデータが示すのは、ユーザの味嗜好性クラスである。この味嗜好性スコア及び/又は味嗜好性クラスを把握する方法は、前述の味嗜好性把握方法(S11、S12)又は味嗜好性把握プログラム(S61〜S63)のとおりである。
コンピュータによって検索されるのは、出力される飲食品データである。その際に、コンピュータによって参照されるのは、入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、及び、飲食品データベースである。
コンピュータによって出力されるのは、飲食品データである。当該飲食品データに関連付けられているのは、S71で入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。飲食品データが示すのは、飲食品詳細(名称、価格、外観写真など)である。
図17で示すのは、本実施の形態の飲食店提案プログラム(以下、「本飲食店提案プログラム」という。)の処理の流れである。本飲食店提案プログラムによってコンピュータが実行するのは、入力(S81)、検索(S82)、及び、出力(S83)である。コンピュータの説明は、前述のとおりである。これらの処理の詳細は、次のとおりである。
コンピュータによって入力されるのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。味嗜好性スコアデータが示すのは、ユーザの味嗜好性スコアである。味嗜好性クラスデータが示すのは、ユーザの味嗜好性クラスである。この味嗜好性スコア及び/又は味嗜好性クラスを把握する方法は、前述の味嗜好性把握方法(S11、S12)又は味嗜好性把握プログラム(S61〜S63)のとおりである。
コンピュータによって検索されるのは、出力される飲食店データである。その際に、コンピュータによって参照されるのは、入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、及び、飲食店データベースである。
コンピュータによって出力されるのは、飲食店データである。当該飲食店データに関連付けられているのは、S81で入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。飲食店データが示すのは、飲食店詳細(名称、所在地、営業時間、電話番号、メニュー、外観、評価など)である。出力される飲食店データに関連づけられているのは、他のユーザの評価である。当該他のユーザの味嗜好性スコア及び/又は味嗜好性クラスに一致又は近似しているのは、入力したユーザの味嗜好性スコア及び/又は味嗜好性クラスである。
図19で示すのは、本実施の形態の交際候補者提案プログラム(以下、「本交際候補者提案プログラム」という。)の処理の流れである。本交際候補者提案プログラムによってコンピュータが実行するのは、入力(S91)、検索(S92)、及び、出力(S93)である。コンピュータの説明は、前述のとおりである。これらの処理の詳細は、次のとおりである。
コンピュータによって入力されるのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。味嗜好性スコアデータが示すのは、ユーザの味嗜好性スコアである。味嗜好性クラスデータが示すのは、ユーザの味嗜好性クラスである。この味嗜好性スコア及び/又は味嗜好性クラスを把握する方法は、前述の味嗜好性把握方法(S11、S12)又は味嗜好性把握プログラム(S61〜S63)のとおりである。
コンピュータによって検索されるのは、出力される交際候補者データである。その際に、コンピュータによって参照されるのは、入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、及び、交際候補者データベースである。
コンピュータによって出力されるのは、交際候補者データである。当該交際候補者データに関連付けられているのは、S91で入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。交際候補者データが示すのは、交際候補者詳細(氏名、居住地、職業、連絡先、外見、性別など)である。つまり、当該交際候補者の味嗜好性に一致又は近似するのは、ユーザの味嗜好性である。
本実施の形態が奏する効果は、次のとおりである。すなわち、各人の味嗜好性が簡便に把握される。それから派生して、味嗜好性の近い飲食品又は飲食店が簡便に選択される。味嗜好性の近い交際候補者が簡便に選択される。
モデル飲食品に対する味評価が得られれば、一般的な飲食品に対する味嗜好性も把握される。その点をさらに裏付けるのは、以下の実験である。
モデル食品1から5を調製した。各モデル食品は、モデル飲食品の一例である。各モデル食品は、市販のポップコーン用豆(幸田食品社製)、サラダ油及び食塩を用いた。ポップコーン用豆50gとサラダ油10gを鍋に入れ、蓋をして中火で加熱し、膨張させた。加熱したポップコーンに食塩水を噴霧し、再度加熱して水分を飛ばし、モデル食品とした。モデル食品1の塩分濃度は、0.4%であった。モデル食品2の塩分濃度は、1.0%であった。モデル食品3の塩分濃度は、1.8%であった。モデル食品4の塩分濃度は、2.0%であった。モデル食品5の塩分濃度は、2.6%であった。
本測定で採用した塩分の測定法は、モール法である。10倍希釈をしたモデル食品に指示薬として5%クロム酸カリウム溶液0.5mlを加え、0.1mol/L硝酸銀溶液で滴定した。終点は、試験液の色が微橙色になる点とした。
モデル食品の評価、モデル食品に対する評価の数値化、クラスタ解析、クラスタへの点数付与、重回帰分析、味嗜好性スコアの把握及び味嗜好性クラスの把握について、前述のモデル液と同様の方法で行った。
モデル食品を用いて把握した味嗜好性クラスを使い、そばの味評価スコアを解析した。尚、そばの味評価スコアは、前述の試験の結果から無作為に選んだ7〜9名の被験者のスコアを使用した。そばに対する薄味嗜好群(モデル食品を用いた場合)の味評価スコアの平均値を求めた。また、そばに対する濃い味嗜好群(モデル食品を用いた場合)の味評価スコアの平均値を求めた。その際、味評価スコアを標準化した。群間の味評価スコアの価値は、必ずしも一致しないからである。
モデル食品を用いて把握した味嗜好性クラスを使い、牛丼の具の味評価スコアを解析した。尚、牛丼の具の味評価スコアは、前述の試験の結果から無作為に選んだ7〜9名の被験者のスコアを使用した。牛丼の具に対する薄味嗜好群(モデル食品を用いた場合)の味評価スコアの平均値を求めた。また、牛丼の具に対する濃い味嗜好群(モデル食品を用いた場合)の味評価スコアの平均値を求めた。その際、味評価スコアを標準化した。群間の味評価スコアの価値は、必ずしも一致しないからである。
Claims (20)
- 味嗜好性把握方法であって、それを構成するのは、少なくとも、以下である:
評価:ここで評価されるのは、少なくとも、3以上のモデル飲食品であり、それによって得られるのは、各モデル飲食品に対するユーザの味評価スコアであり、かつ、
前記3以上のモデル飲食品の食塩濃度は、互いに異なっており、及び、
導出:ここで導出されるのは、ユーザの味嗜好性スコア及び/又は味嗜好性クラスであり、その際に用いられるのは、少なくとも、前記モデル飲食品の食塩濃度及び前記味評価スコアである。 - 請求項1の方法であって、
前記モデル飲食品の食塩濃度は、0.13%以上3.00%以下である。 - 請求項1又は2の方法であって、
前記モデル飲食品が含有するのは、コンソメ、ブイヨン、スープストック又はだしである。 - 飲食品提供方法であって、それを構成するのは、少なくとも、以下である:
指定:指定されるのは、味嗜好性スコア及び/又は味嗜好性クラスであり、及び、
提供:提供されるのは、飲食品であり、当該飲食品に関連付けられているのは、前記指定された味嗜好性スコア及び/又は味嗜好性クラスである。 - 請求項4の方法であって、
前記指定された味嗜好性スコア及び/又は味嗜好性クラスを把握するのに用いられるのは、少なくとも、3以上のモデル飲食品の食塩濃度及びこれらのモデル飲食品に対する味評価スコアである。 - 飲食品提案方法であって、それを構成するのは、少なくとも、以下である:
指定:指定されるのは、味嗜好性スコア及び/又は味嗜好性クラスであり、及び、
提案:提案されるのは、飲食品であり、当該飲食品に関連付けられているのは、前記指定された味嗜好性スコア及び/又は味嗜好性クラスである。 - 請求項6の方法であって、
前記指定された味嗜好性スコア及び/又は味嗜好性クラスを把握するのに用いられるのは、少なくとも、3以上のモデル飲食品の食塩濃度及びこれらのモデル飲食品に対する味評価スコアである。 - 飲食店提案方法であって、それを構成するのは、少なくとも、以下である:
指定:指定されるのは、味嗜好性スコア及び/又は味嗜好性クラスであり、及び、
提案:提案されるのは、飲食店であり、当該飲食店に関連付けられているのは、前記指定された味嗜好性スコア及び/又は味嗜好性クラスである。 - 請求項8の方法であって、
前記指定された味嗜好性スコア及び/又は味嗜好性クラスを把握するのに用いられるのは、少なくとも、3以上のモデル飲食品の食塩濃度及びこれらのモデル飲食品に対する味評価スコアである。 - 交際候補者提案方法であって、
それを構成するのは、少なくとも、以下である:
指定:指定されるのは、味嗜好性スコア及び/又は味嗜好性クラスであり、及び、
提案:提案されるのは、交際候補者であり、当該交際候補者に関連付けられているのは、前記指定された味嗜好性スコア及び/又は味嗜好性クラスである。 - 請求項10の方法であって、
前記指定された味嗜好性スコア及び/又は味嗜好性クラスを把握するのに用いられるのは、少なくとも、3以上のモデル飲食品の食塩濃度及びこれらのモデル飲食品に対する味評価スコアである。 - 味嗜好性把握プログラムであって、それによってコンピュータが実行するのは、少なくとも、以下の処理である:
入力:入力されるのは、各モデル飲食品に対するユーザの味評価データであり、及び、
出力:出力されるのは、ユーザの味嗜好性スコアデータ及び/又は味嗜好性クラスデータであり、そのために参照されるのは、少なくとも、前記モデル飲食品の食塩濃度データ及び前記味評価データである。 - 飲食品提案プログラムであって、それによってコンピュータが実行するのは、少なくとも、以下の処理である:
入力:入力されるのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータであり、及び、
出力:出力されるのは、飲食品データであり、当該飲食品データに関連付けられているのは、前記入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータである。 - 請求項13のプログラムであって、それによってコンピュータが実行するのは、更に、以下の処理である:
検索:検索されるのは、出力される飲食品データであり、その際に参照されるのは、入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、並びに、飲食品データベースであり、この飲食品データベースが示すのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータ並びに飲食品データの関係である。 - 飲食店提案プログラムであって、それによってコンピュータが実行するのは、少なくとも、以下の処理である:
入力:入力されるのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータであり、及び、
出力:出力されるのは、飲食店データであり、当該飲食店データに関連付けられているのは、前記指定された味嗜好性スコアデータ及び/又は味嗜好性クラスである。 - 請求項15のプログラムであって、それによってコンピュータが実行するのは、更に、以下の処理である:
検索:検索されるのは、出力される飲食店データであり、その際に参照されるのは、入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、並びに、飲食店データベースであり、この飲食店データベースが示すのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータ並びに飲食店データの関係である。 - 交際候補者提案プログラムであって、それによってコンピュータが実行するのは、少なくとも、以下の処理である:
入力:入力されるのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータであり、及び、
出力:出力されるのは、交際候補者提案データであり、当該交際候補者提案データに関連付けられているのは、前記指定された味嗜好性スコアデータ及び/又は味嗜好性クラスである。 - 請求項17のプログラムであって、それによってコンピュータが実行するのは、更に、以下の処理である:
検索:検索されるのは、出力される交際候補者提案データであり、その際に参照されるのは、入力された味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、並びに、交際候補者データベースであり、この交際候補者データベースが示すのは、味嗜好性スコアデータ及び/又は味嗜好性クラスデータ、並びに、交際候補者データの関係である。 - 味嗜好性把握用飲食品セットであって、それを構成するのは、少なくとも、3以上の飲食品であり、
前記3以上の飲食品が含むのは、少なくとも、食塩であり、
前記3以上の飲食品の食塩濃度は、それぞれ異なる。 - 請求項19の味嗜好性把握用飲食品セットであって、
前記食塩濃度は、0.13%以上3.00%以下である。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183907 | 2019-10-04 | ||
JP2019183907 | 2019-10-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021060990A true JP2021060990A (ja) | 2021-04-15 |
Family
ID=75380266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020162176A Pending JP2021060990A (ja) | 2019-10-04 | 2020-09-28 | 味嗜好性把握方法、飲食品提供方法、飲食品提案方法、飲食店提案方法及び交際候補者提案方法、味嗜好性把握プログラム、飲食品提案プログラム、飲食店提案プログラム及び交際候補者提案プログラム、並びに、味嗜好性把握用飲食品セット |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021060990A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023062708A1 (ja) | 2021-10-12 | 2023-04-20 | 日本たばこ産業株式会社 | 支援方法及び支援プログラム |
-
2020
- 2020-09-28 JP JP2020162176A patent/JP2021060990A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023062708A1 (ja) | 2021-10-12 | 2023-04-20 | 日本たばこ産業株式会社 | 支援方法及び支援プログラム |
KR20240055088A (ko) | 2021-10-12 | 2024-04-26 | 니뽄 다바코 산교 가부시키가이샤 | 지원 방법 및 지원 프로그램 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Atkinson et al. | Class and cuisine in contemporary Britain: the social space, the space of food and their homology | |
Ahmad et al. | Using food choice motives to model Pakistani ethnic food purchase intention among tourists | |
George | Dining Chinese: A consumer subgroup comparison | |
Baldwin | The transference of Asian hospitality through food: Chef׳ s inspirations taken from Asian cuisines to capture the essence of Asian culture and hospitality | |
Waldfogel | Dining out as cultural trade | |
Ho | African student migrants in China: negotiating the global geographies of power through gastronomic practices and culture | |
Ueda et al. | What is gastronomy for the French? An empirical study on the representation and eating model in contemporary France | |
Kroll | Foodways of the poor in South Africa: How value-chain consolidation, poverty & cultures of consumption feed each other | |
Mekoth et al. | Food preferences and culture: The influence of nationality and religion among tourists visiting Goa | |
JP2021060990A (ja) | 味嗜好性把握方法、飲食品提供方法、飲食品提案方法、飲食店提案方法及び交際候補者提案方法、味嗜好性把握プログラム、飲食品提案プログラム、飲食店提案プログラム及び交際候補者提案プログラム、並びに、味嗜好性把握用飲食品セット | |
Sankar | Creation of Indian–Chinese cuisine: Chinese food in an Indian city | |
Schnettler et al. | Acculturation and consumption of foodstuffs among the main indigenous people in Chile | |
Clair et al. | Engaging cultural narratives of the ethnic restaurant: Discursive practices of hybridity, authenticity, and commoditization | |
Vu et al. | Fish sauce to French fries: Changing foodways of the Vietnamese diaspora in Orange County, California | |
Okech et al. | Culinary traditions and heritage foods in Africa | |
Aradhana et al. | An Exploratory Study of Desired Five Star Hotels by the Travelers in Chennai and their Attributes Towards Food and Beverage Items | |
Ayora-Diaz | Food, Taste, and Identity in the Global Arena | |
Annear et al. | Cooking up the culinary nation or savoring its regions? Teaching food studies in Vietnam | |
Chou | How chicken rice informs about identity | |
de Oliveira et al. | Acceptance Evaluation of School Meals Through Different Method Approaches by Children in Brazil | |
Bose et al. | Prevalence And Acceptability Of Chinese Food In Kolkata | |
Pellegrino et al. | The influence of condiment availability on cuisine selection | |
WO2024053727A1 (ja) | 嗜好推定方法、嗜好推定装置、嗜好推定プログラム、表示方法、モデル生成方法および嗜好情報予測方法 | |
Ismail et al. | Exploring Halal Awareness Within a Heterogeneous Society: The Case of Meat Consumers in Indonesia | |
Pham et al. | The importance of Asian restaurants’ food authenticity in Lappeenranta |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200929 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20221109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230913 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240416 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240424 |