JP7136165B2 - 飲食物評価システム及び飲食物評価プログラム - Google Patents

Description

本発明は、飲食物評価システム及び飲食物評価プログラムに関する。

飲食物に対する味覚を推定する味覚センサが知られている。たとえば、特許文献１は、味覚センサを用いた飲食物の味の分析について開示している。特許文献１において、飲食物の味覚の評価がレーダチャートによって示されている。

特開２０１７－１３０１４２号公報

飲食物を飲食した場合に感じられる感覚の評価を知りたいという、潜在顧客のニーズが存在する。たとえば、飲食物の味覚に関する評価がグラフによって示されれば、潜在顧客は、飲食物を飲食した場合に感じられる味覚を推測し、購入するか否かを判断できる。この点、飲食物に対して感じられる感覚は、味覚に限られない。たとえば、飲食物に対して感じられる感覚として、味覚以外に食感、のどごし、及び、香りなどが存在する。このため、味覚以外の感覚に関する評価が示されれば、より多くの潜在顧客のニーズが満たされ得る。

特許文献１において、飲食物の味覚の評価がレーダチャートによって示されている。レーダチャートの項目の増加によって、味覚以外の感覚もレーダチャートによって示され得る。しかしながら、レーダチャートの項目が増加すれば、潜在顧客は、いずれの感覚の評価がどこに示されているのかを認識し難い。このため、味覚以外の感覚もレーダチャートによって示すことは、却って潜在顧客の購買意欲に繋がり難い。味覚の評価と味覚以外の感覚の評価とが混在すれば、潜在顧客は味覚の評価も認識し難い。

本発明の一つの態様は、飲食物に対して感じられる感覚が明瞭に示され得る飲食物評価システムを提供することを目的とする。本発明の別の態様は、飲食物に対して感じられる感覚が明瞭に示され得る飲食物評価プログラムを提供することを目的とする。

本発明の一つの態様における飲食物評価システムは、第一取得部と、第二取得部と、グラフ作成部とを備えている。第一取得部は、対象の飲食物を特定する特定情報を取得する。第二取得部は、特定情報に基づいて、推定情報を取得する。推定情報は、対象の飲食物の味覚に関する第一評価値と、対象の飲食物の炭酸度及び香りの少なくとも一方に関する第二評価値と、を含んでいる。グラフ作成部は、推定情報を示すグラフを作成する。グラフは、第一評価値を示すレーダチャートと、第二評価値をレーダチャートの周囲において示すサブチャートとを含んでいる。

この飲食物評価システムにおいて、対象の飲食物を特定する特定情報に基づいて、第一評価値と第二評価値とが取得される。したがって、対象の飲食物の味覚に関する評価値だけでなく、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値も取得される。味覚に関する評価値はレーダチャートによって示され、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値はサブチャートによって示される。味覚に関する評価値は、レーダチャートにおいて纏めて示される。したがって、この飲食物評価システムによれば、飲食物に対して感じられる感覚が明瞭に示され得る。

上記一つの態様において、飲食物評価システムは、推定部をさらに備えてもよい。推定部は、特定情報に基づいて、第一評価値と第二評価値との少なくとも一方を推定する。特定情報は、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データである。第二取得部は、推定部において推定された第一評価値と第二評価値とを推定情報として取得してもよい。この場合、成分データに基づいて第一評価値と第二評価値との少なくとも一方が推定されるため、より正確度の高い情報が示され得る。

上記一つの態様において、グラフは、レーダチャートを囲う枠を含んでいてもよい。サブチャートは、特定領域が枠の内部を占める度合いによって第二評価値を示してもよい。この場合、第一評価値と第二評価値とが纏まりよく示されながら、推定情報の認識され易さが確保される。

上記一つの態様において、サブチャートは、レーダチャートよりも下方の位置からレーダチャートを囲うように延在するバーの長さによって、第二評価値を示してもよい。この場合、第一評価値と第二評価値とが纏まりよく示されながら、推定情報の認識され易さが確保される。

上記一つの態様において、第二評価値は、第一種の香りに関する評価値と、第二種の香りに関する評価値とを含んでいてもよい。サブチャートは、第一種の香りに関する評価値を、レーダチャートよりも下方の位置からレーダチャートを囲うようにレーダチャートの左側に延在するバーの長さによって示してもよい。サブチャートは、第二種の香りに関する評価値を、レーダチャートよりも下方の位置からレーダチャートを囲うようにレーダチャートの右側に延在するバーの長さによって示してもよい。この場合、２種類の香りに関する評価値が示され得る。第一評価値と香りに関する評価値とが纏まりよく示されながら、第一評価値と香りに関する評価値との認識され易さが確保される。

上記一つの態様において、グラフ作成部は、複数種の飲食物の味覚に関する評価値と、複数種の飲食物の炭酸度に関する評価値と、複数種の飲食物の香りに関する評価値との少なくとも一つに基づく基準データを取得してもよい。グラフは、基準データと推定情報とを比較した値に基づいて推定情報を示してもよい。この場合、飲食物に対して感じられる感覚がより明瞭に示され得る。

上記一つの態様において、基準データは、第一基準データと第二基準データと第三基準データとの少なくとも一つを含んでいてもよい。第一基準データは、複数種の飲食物の味覚に関する評価値のうちの最小値と最大値とを含んでいてもよい。第二基準データは、複数種の飲食物の炭酸度に関する評価値のうちの最小値と最大値とを含んでいてもよい。第三基準データは、複数種の飲食物の香りに関する評価値のうちの最小値と最大値とを含んでいてもよい。グラフは、対象の飲食物の味覚に関する評価値と、対象の飲食物の炭酸度に関する評価値と、対象の飲食物の香りに関する評価値との少なくとも一つを、基準データに含まれている最小値を下限すると共に基準データに含まれている最大値を上限とする相対評価によって示していてもよい。この場合、飲食物に対して感じられる感覚がより明瞭に示され得る。

上記一つの態様において、飲食物は、アルコール飲料であってもよい。

上記一つの態様において、グラフ作成部によって作成されたグラフを表示する出力部をさらに備えていてもよい。

本発明の別の態様における飲食物評価プログラムは、対象の飲食物を特定する特定情報を取得することと、特定情報に基づいて推定情報を取得することと、推定情報を示すグラフを作成することと、をコンピュータに実行させる。推定情報は、対象の飲食物の味覚に関する第一評価値と、対象の飲食物の炭酸度及び香りの少なくとも一方に関する第二評価値と、を含んでいる。グラフは、第一評価値を示すレーダチャートと、第二評価値をレーダチャートの周囲において示すサブチャートとを含んでいる。

この飲食物評価プログラムにおいて、対象の飲食物を特定する特定情報に基づいて、第一評価値と第二評価値とが取得される。したがって、対象の飲食物の味覚に関する評価値だけでなく、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値も取得される。味覚に関する評価値はレーダチャートによって示され、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値はサブチャートによって示される。味覚に関する評価値は、レーダチャートにおいて纏めて示される。したがって、この飲食物評価プログラムによれば、飲食物に対して感じられる感覚が明瞭に示され得る。

上記別の態様において、特定情報に基づいて、第一評価値と第二評価値との少なくとも一方を推定すること、をさらにコンピュータに実行させてもよい。特定情報は、対象の飲食物における複数の成分の各々の含有量に関する情報を含む成分データであってもよい。この場合、成分データに基づいて第一評価値と第二評価値との少なくとも一方が推定されるため、より正確度の高い情報が示され得る。

上記別の態様において、グラフは、レーダチャートを囲う枠を含んでいてもよい。サブチャートは、特定領域が枠の内部を占める度合いによって、第二評価値を示してもよい。

上記別の態様にいて、サブチャートは、レーダチャートよりも下方の位置からレーダチャートを囲うように延在するバーの長さによって、第二評価値を示してもよい。この場合、第一評価値と第二評価値とが纏まりよく示されながら、推定情報の認識され易さが確保される。

上記別の態様において、第二評価値は、第一種の香りに関する評価値と、第二種の香りに関する評価値とを含んでいてもよい。サブチャートは、第一種の香りに関する評価値を、レーダチャートよりも下方の位置からレーダチャートを囲うようにレーダチャートの左側に延在するバーの長さによって示してもよい。サブチャートは、第二種の香りに関する評価値を、レーダチャートよりも下方の位置からレーダチャートを囲うようにレーダチャートの右側に延在するバーの長さによって示してもよい。この場合、２種類の香りに関する評価値が示され得る。第一評価値と香りに関する評価値とが纏まりよく示されながら、第一評価値と香りに関する評価値との認識され易さが確保される。

上記別の態様において、複数種の飲食物の味覚に関する評価値と、複数種の飲食物の炭酸度に関する評価値と、複数種の飲食物の香りに関する評価値との少なくとも一つに基づく基準データを取得すること、をさらにコンピュータに実行させてもよい。グラフは、基準データと推定情報とを比較した値に基づいて推定情報を示してもよい。この場合、飲食物に対して感じられる感覚がより明瞭に示され得る。

上記別の態様において、基準データは、第一基準データと第二基準データと第三基準データとの少なくとも一つを含んでいてもよい。第一基準データは、複数種の飲食物の味覚に関する評価値のうちの最小値と最大値とを含んでいてもよい。第二基準データは、複数種の飲食物の炭酸度に関する評価値のうちの最小値と最大値とを含んでいてもよい。第三基準データは、複数種の飲食物の香りに関する評価値のうちの最小値と最大値とを含んでいてもよい。グラフは、対象の飲食物の味覚に関する評価値と、対象の飲食物の炭酸度に関する評価値と、対象の飲食物の香りに関する評価値との少なくとも一つを、基準データに含まれている最小値を下限すると共に基準データに含まれている最大値を上限とする相対評価によって示していてもよい。この場合、飲食物に対して感じられる感覚がより明瞭に示され得る。

上記別の態様において、飲食物は、アルコール飲料であってもよい。

上記別の態様において、作成されたグラフを表示部に表示することをさらにコンピュータに実行させてもよい。

本発明の一つの態様は、飲食物に対して感じられる感覚が明瞭に示され得る飲食物評価システムを提供する。本発明の別の態様は、飲食物に対して感じられる感覚が明瞭に示され得る飲食物評価プログラムを提供する。

本実施形態における飲食物評価システムのブロック図である。 飲食物評価システムにおいて作成されるグラフの一例を示す図である。 本実施形態の変形例の飲食物評価システムにおいて作成されるグラフの一例を示す図である。 推定モデル作成システムのブロック図である。 推定モデルの決定方法を説明するための図である。 飲食物評価システム及び推定モデル作成システムのハードウェア構成の一例を示す図である。 推定モデルの作成方法を示すフローチャートである。 推定モデルを用いた推定方法を示すフローチャートである。

以下、添付図面を参照しながら本発明の実施形態が詳細に説明される。図面の説明において、同一又は同等の要素には同一符号が用いられ、重複する説明は省略される。

まず、図１を参照して、本実施形態における飲食物評価システムの機能及び構成を説明する。図１は、飲食物評価システムのブロック図である。飲食物評価システム１は、対象の飲食物の評価を行う。飲食物評価システム１は、対象の飲食物の評価として、対象の飲食物の成分データを取得し、取得した成分データに基づいて、対象の飲食物に対して感じられる複数種の感覚を推定する。飲食物に対して感じられる複数種の感覚は、飲食物に対して感じられる味覚、視覚、食感、及び、香りを含んでいる。飲食物に対して感じられる感覚は、飲食物を飲食した場合に感じられる感覚だけでなく、飲食物の飲食前に感じられる視覚及び香りなども含んでいる。成分データは、飲食物に含まれる複数の成分の各々の含有量を含んでいる。

対象の飲食物は、たとえば、飲料である。飲料としては、たとえば、アルコール飲料が挙げられる。アルコール飲料としては、たとえば、ワイン及び日本酒などの醸造酒、並びに、ウィスキー及び焼酎などの蒸留酒が挙げられる。本実施形態における飲食物の評価によって、アルコール飲料と食品との相性を判断することができる。本実施形態における飲食物の評価において、対象の飲食物は、食事中に飲むことの多い醸造酒がより好ましい。

飲食物評価システム１は、特定情報取得部１０と、成分データ取得部１１と、格納部１２と、推定モデル取得部１３と、評価値推定部１４と、推定情報取得部１５と、グラフ作成部１６と、出力部１７とを備えている。飲食物評価システム１は、これらに基づいて、対象の飲食物に対して感じられる複数種の感覚を推定する。たとえば、飲食物評価システム１は、対象の飲食物に対して感じられる複数種の感覚に関する情報として、味覚に関する情報と、炭酸度及び香りの少なくとも一つに関する情報とを推定する。以下、飲食物に対して感じられる感覚を単に「感覚」ともいう。以下、飲食物評価システム１によって推定される情報を「推定情報」という。本実施形態において、推定情報は、複数種の味覚と、炭酸度と、複数種の香りとに関する情報を含んでいる。本実施形態において、飲食物評価システム１は、対象の飲食物を飲食した場合に感じられる複数種の味覚と、対象の飲食物の炭酸度及び香りの少なくとも一方とを推定する。推定情報に含まれる複数種の味覚は、たとえば、塩味、酸味、甘味、旨味、及び、苦味を含んでいる。以下、塩味、酸味、甘味、旨味、及び、苦味の複数種の味覚を纏めて五味と呼ぶ。飲食物評価システムは、推定した推定情報を示すグラフを作成する。

特定情報取得部１０は、対象の飲食物を特定する特定情報を取得する。特定情報は、例えば、対象の飲食物の名称である。特定情報は、対象の飲食物を示す識別番号又は品番であってもよい。特定情報は、対象の飲食物を示す画像情報であってもよい。特定情報取得部１０は、ユーザから直接入力された特定情報を取得してもよいし、ネットワークを介して他の機器から出力された特定情報を取得してもよい。

成分データ取得部１１は、対象の飲食物について、成分データを取得する。成分データは、飲食物に含まれる複数の成分の各々の含有量に関する情報を含んでいる。成分データ取得部１１は、特定情報取得部１０によって取得された特定情報に基づいて、対象の飲食物の成分データを取得する。たとえば、成分データ取得部１１は、特定情報に予め関連付けられている成分データを格納部１２から取得する。成分データ取得部１１は、飲食物評価システム１の外部から成分データを取得してもよいし、成分データ取得部１１における測定結果を成分データとして取得してもよい。成分データ取得部１１は、特定情報取得部１０を兼ねていてもよい。例えば、成分データ取得部１１によって取得される成分データが、対象の飲食物を特定する特定情報であってもよい。

成分データ取得部１１によって取得される成分データにおいて、この成分データに含まれる複数の成分は、たとえば、全ての飲食物に含まれると考えられる全ての成分である。成分データ取得部１１は、たとえば、全ての飲食物に含まれていると考えられる全ての成分から、対象の飲食物に対して感じられる感覚に関係しない又は関係性が低いと考えられる成分を除いた成分に関する成分データを取得してもよい。成分データ取得部１１によって取得される成分データは、測定可能な成分の成分データであり、たとえば、各種のクロマトグラフィに基づいて測定され得る成分データである。

各種のクロマトグラフィは、たとえば、イオンクロマトグラフィ、液体クロマトグラフィ、誘導体化を用いたガスクロマトグラフィ質量分析法、及び、ヘッドスペースガスクロマトグラフィ質量分析法の少なくとも１つを含んでいる。イオンクロマトグラフィによれば、主として有機酸の含有量が測定され得る。液体クロマトグラフィによれば、主としてアミノ酸及び糖成分の含有量が測定され得る。誘導体化を用いたガスクロマトグラフィ質量分析法によれば、主として有機酸、アミノ酸、及び糖成分の含有量が測定され得る。成分データは、香り成分に関する情報を含んでいてもよい。ヘッドスペースガスクロマトグラフィ質量分析法によれば、主として香り成分の含有量が測定され得る。たとえば、イオンクロマトグラフィであれば、イオンの価数、イオン半径、疎水性などの性質の違いにより、イオン成分を分離して、各イオン成分量を検出できる。この結果、複数種の有機酸の各々について成分量が測定される。

成分データ取得部１１によって取得される成分データは、対象の飲食物の炭酸度に関する情報を含んでいてもよい。炭酸度は、たとえば、ＣＯ_２の含有量である。本実施形態の変形例として、炭酸度は、ＣＯ_２以外も含むガスの含有量であってもよいし、泡の大きさであってもよいし、ガスの含有量と泡の大きさとの双方に関する指標値であってもよい。

炭酸度の取得には、たとえば、ＣＯ_２測定機が用いられる。たとえば、ＣＯ_２測定機は、ヴァイサラ株式会社のVAISALA GMT222である。炭酸度は、たとえば、飲食物が入ったカップにＣＯ_２測定機を配置した状態で測定される。たとえば、ＣＯ_２測定機は、飲食物に触れないようにカップの内部に配置される。たとえば、ＣＯ_２測定機がカップの内部に配置された状態において、カップはラップなどの蓋によって覆われる。この状態において所定時間待機した後に、ＣＯ_２測定機から出力されるＣＯ_２量を炭酸度として取得する。待機する所定時間は、たとえば、１８０秒である。

格納部１２は、種々の情報を予め格納しており、各種の機能部からの情報を格納する。格納部１２は、たとえば、成分データ取得部１１によって取得された成分データを格納する。格納部１２は、成分データ取得部１１において取得される成分データを予め格納していてもよい。格納部１２は、互いに異なる複数種の感覚にそれぞれ対応する複数の推定モデルを格納している。推定モデルは、複数種の飲食物の各々における成分データと、複数種の飲食物の各々に対して感じられる複数種の感覚の各々を定量的に示す仮データと、各感覚と各成分との相関係数とに基づいて作成されている。仮データは、たとえば、複数種の飲食物の各々について複数種の味覚の各々を定量的に示すデータと、複数種の飲食物の各々について炭酸度を定量的に示すデータと、複数種の飲食物の各々について香りを定量的に示すデータとの少なくとも一つを含んでいる。

推定モデル取得部１３は、対象の飲食物に対して感じられる感覚の判定に用いられる推定モデルを取得する。推定モデル取得部１３は、互いに異なる複数種の感覚にそれぞれ対応する複数の推定モデルを取得する。換言すれば、推定モデル取得部１３によって取得される推定モデルと、飲食物評価システム１によって推定される感覚とは、一対一の関係にある。推定モデル取得部１３は、たとえば、飲食物評価システム１によって推定される感覚の種類の数と同一の数の推定モデルを取得する。推定モデル取得部１３は、たとえば、五味のそれぞれに対応する５つの推定モデルと、炭酸度と香りとのそれぞれに対応する２つの推定モデルとを取得する。推定モデルは、対象の飲食物における複数の成分の各々の含有量に関する情報の入力に応じて、対象の飲食物に対して感じられる感覚に関する評価値を出力する。

評価値は、たとえば、味覚値と、炭酸度及び香り値の少なくとも一つとを含んでいる。たとえば、味覚に関する評価値は味覚値を含んでおり、炭酸度に関する評価値は炭酸度を含んでおり、香りに関する評価値は香り値を含んでいる。味覚値は、たとえば、対象の味覚の度合いを示す数値である。炭酸度は、たとえば、飲食時における発泡の度合いを示す数値である。香り値は、たとえば、対象の香りの強さの度合いを示す数値である。推定モデル取得部１３は、飲食物評価システム１の外部から推定モデルを取得してもよいし、格納部１２に予め格納されている推定モデルを取得してもよい。

評価値推定部１４は、成分データ取得部１１によって取得された成分データと、推定モデル取得部１３によって取得された推定モデルとに基づいて、対象の飲食物に対して感じられる感覚に関する評価値を推定する。評価値推定部１４は、成分データ取得部１１によって取得された成分データと、推定モデル取得部１３によって取得された複数の推定モデルとに基づいて、対象の飲食物について各推定モデルに対応する感覚に関する評価値を推定する。評価値推定部１４は、たとえば、複数の推定モデルによって、対象の飲食物の評価値として、対象物の飲食物における複数種の味覚の味覚値と、炭酸度と、複数種の香りの香り値とを推定する。本実施形態において、評価値推定部１４は、複数種の味覚と、炭酸度と、複数種の香りの香り値との各々に対応する推定モデルから、対象の飲食物における各味覚の味覚値と、炭酸度と、各香りの香り値とを出力する。評価値推定部１４は、たとえば、五味の各々の味覚値と、炭酸度と、２種類の香り値とを、それぞれ段階評価によって示した評価値を出力する。２種類の香り値は、たとえば、リンゴ香の香り値と、バナナ香の香り値である。リンゴ香が第一種の香りである場合、バナナ香が第二種の香りに相当する。

評価値推定部１４は、格納部１２、推定情報取得部１５、及び、出力部１７の少なくとも１つに、推定モデルによって推定された評価値を出力する。評価値推定部１４によって推定される味覚値が第一評価値である場合、評価値推定部１４によって推定される炭酸度と香り値との少なくとも一方は第二評価値に相当する。

推定情報取得部１５は、対象の飲食物の味覚に関する評価値と、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値とを含んでいる推定情報を取得する。推定情報取得部１５は、特定情報取得部１０によって取得された特定情報に基づいて、推定情報を取得する。本実施形態では、推定情報取得部１５は、特定情報に基づいて取得された成分データと推定モデルとを用いて、評価値推定部１４によって推定された推定情報を取得する。推定情報取得部１５は、評価値推定部１４から推定情報を取得する。推定情報取得部１５は、特定情報に基づいて、格納部１２から推定情報を取得してもよい。推定情報取得部１５は、特定情報に基づいて、飲食物評価システム１の外部から推定情報を取得してもよい。推定情報取得部１５は、取得した情報をグラフ作成部１６に出力する。

グラフ作成部１６は、推定情報に基づいて、対象の飲食物の味覚に関する評価値と、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値とを示すグラフを作成する。グラフの作成は、たとえば、グラフを表示するためのデータの作成を含んでいる。グラフ作成部１６によって作成されるグラフは、対象の飲食物の味覚に関する評価値を示すレーダチャートと、対象の飲食物の味覚以外の評価値をレーダチャートの周囲において示すサブチャートとを含んでいる。サブチャートは、たとえば、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値を示す。サブチャートは、円環グラフ及び棒グラフなど種々の図表を含んでいる。「評価値を示す」とは、評価値自体を表示するだけでなく、評価値に関する情報を表示することを含んでいる。グラフ作成部１６は、格納部１２及び出力部１７の少なくとも１つに、作成されたグラフを出力する。

グラフ作成部１６は、たとえば、基準データを取得し、基準データと推定情報とを比較した値に基づいて推定情報を示すグラフを作成する。グラフ作成部１６は、たとえば、基準データを格納部１２から取得する。基準データは、たとえば、複数種の飲食物の味覚に関する評価値と、複数種の飲食物の炭酸度に関する評価値と、複数種の飲食物の香りに関する評価値との少なくとも一つに基づく。基準データは、第一基準データと、第二基準データと、第三基準データとの少なくとも一つを含んでいる。第一基準データは、複数種の飲食物の味覚に関する評価値のうちの最小値と最大値との少なくとも一方を含んでいる。第二基準データは、複数種の飲食物の炭酸度に関する評価値のうちの最小値と最大値との少なくとも一方を含んでいる。第三基準データは、複数種の飲食物の香りに関する評価値のうちの最小値と最大値との少なくとも一方を含んでいる。

グラフ作成部１６は、たとえば、対象の飲食物に対する感覚に関する評価値を、基準データに含まれている最小値を下限すると共に基準データに含まれている最大値を上限とする相対評価によって示すグラフを作成する。このグラフは、たとえば、対象の飲食物の複数の味覚に関する評価値を、第一基準データにおける最小値を下限とすると共に第一基準データにおける最大値を上限とする相対評価によって示す。このグラフは、たとえば、対象の飲食物の炭酸度に関する評価値を、第二基準データにおける最小値を下限とすると共に第二基準データにおける最大値を上限とする相対評価によって示す。このグラフは、たとえば、対象の飲食物の香りに関する評価値を、第三基準データにおける最小値を下限とすると共に第三基準データにおける最大値を上限とする相対評価によって示す。グラフ作成部１６は、対象の飲食物に対する感覚に関する評価値を、基準データに含まれている最小値と基準データに含まれている最大値との一方のみを基準する相対評価によって示すグラフを作成してもよい。

たとえば、グラフ作成部１６は、対象の飲食物の塩味に関する評価値を、基準データに対する相対評価によって示すグラフを作成する。この場合、第一基準データは、たとえば、複数種の飲食物の各々における塩味の度合いを示す複数の数値のうち最小値と最大値とを含んでいる。たとえば、グラフ作成部１６は、塩味に関する第一基準データの最小値をグラフの下限の０とし、塩味に関する第一基準データの最大値をグラフの上限の９とし、対象の飲食物の塩味に関する評価値を０～１０の１１段階の相対評価によって示すグラフを作成する。この場合、たとえば、グラフ作成部１６は、｛１０／（基準データにおける最大値－基準データにおける最小値）｝×（評価値－基準データにおける最小値）の式を用いて、対象の飲食物の塩味に関する評価値を相対値に変換する。

たとえば、塩味に関する第一基準データの最小値が２であり、塩味に関する第一基準データの最大値が１０であり、対象の飲食物の塩味に関する評価値が５であるとする。この場合、グラフ作成部１６は、対象の飲食物の塩味に関する評価値の相対値は０～１０のうち３．７５であることを示すグラフを作成する。

出力部１７は、対象の飲食物に対して評価値推定部１４において推定された情報を出力する。出力部１７は、たとえば、推定情報及びグラフ作成部１６において作成されたグラフの少なくとも一方を含む評価データを出力する。出力部１７は、たとえば、表示部を含み、グラフ作成部１６において作成されたグラフを表示する。

図２は、グラフ作成部１６において作成されるグラフの一例を示している。出力部１７は、たとえば、図２に示されているグラフ２０を表示部に表示する。図２に示されているグラフ２０は、レーダチャート２１と２種のサブチャート２２，２４と枠２５とを含んでいる。グラフ作成部１６は、レーダチャート２１を表示するためのデータを作成する。グラフ作成部１６は、２種のサブチャート２２，２４の少なくとも１つを表示するためのデータを作成する。グラフ作成部１６は、枠２５を表示するためのデータを作成する。

レーダチャート２１は、たとえば、対象の飲食物に関する各味覚の味覚値を示している。グラフ作成部１６は、グラフ２０の中心点２６を基準として、各味覚の味覚値に対応する位置を決定する。複数種の味覚の味覚値に対応する位置は、それぞれ、中心点２６から放射状に延在する複数の直線２７上に位置する。各味覚の味覚値に対応する位置は、対応する直線２７上に配置される。グラフ作成部１６は、決定された各味覚の味覚値に対応する位置を頂点とする多角形によってレーダチャート２１を示す。たとえば、評価値推定部１４によって五味の味覚値が推定される場合において、グラフ作成部１６は、各味覚の味覚値を五角形で示すレーダチャート２１を作成する。グラフ作成部１６は、各味覚の味覚値と第一基準データとに基づいて各味覚の相対値を演算し、演算された相対値を示すレーダチャート２１を作成する。

レーダチャート２１は、枠２５に囲われている。枠２５は、中心点２６を中心とする円形状を呈している。各直線２７は、中心点２６から枠２５まで延在している。枠２５は、レーダチャート２１の形状に対応する多角形状を呈していてもよい。たとえば、評価値推定部１４によって五味の味覚値が推定される場合において、グラフ作成部１６は、正五角形の枠２５を作成してもよい。この場合、複数の直線２７は、それぞれ、対応する枠２５の頂点まで延在してもよい。複数の直線２７は、それぞれ互いに異なる味覚に対応している。

レーダチャート２１において、各味覚の相対値は、対応する直線２７に沿ってプロットされる。各味覚の相対値がプロットされる位置に、各味覚を示す多角形の頂点が表示される。したがって、レーダチャート２１において、各味覚を示す多角形の頂点は、対応する直線２７に沿って表示される。レーダチャート２１において、各味覚を示す多角形の頂点は、各味覚の相対値が小さいほど中心点２６の近くに表示され、各味覚の相対値が大きいほど枠２５の近くに表示される。

サブチャート２２，２４は、たとえば、対象の飲食物の炭酸度と香りとに関する評価値を示している。サブチャート２２は、特定領域αが枠２５の内部を占める度合いによって、評価値を示す。特定領域αは、たとえば、枠２５の内部において延在する直線２３と枠２５とによって画定される。特定領域αは、たとえば、枠２５の最下点の側に示されている。枠２５の最下点からの特定領域αが占める面積が、示す評価値に応じて変化する。たとえば、評価値が大きいほど、枠２５の最下点からの特定領域αが占める面積も大きい。直線２３は、たとえば、水平方向に延在している。示す評価値に応じて、枠２５の最下点からの直線２３の高さが変化する。たとえば、評価値が大きいほど、枠２５の最下点からの直線２３の高さも大きい。

本実施形態において、サブチャート２２は、対象の飲食物の炭酸度に関する評価値を示している。グラフ作成部１６は、たとえば、炭酸度と第二基準データとに基づいて炭酸度の相対値を演算し、演算された相対値を示すサブチャート２２を作成する。サブチャート２２において、炭酸度の相対値は、枠２５の最下点からの直線２３の高さに対応する。炭酸度の相対値が対応する高さに直線２３が位置するように、特定領域αが表示される。炭酸度の相対値が小さいほど、直線２３は枠２５の最下点の近くに表示され、特定領域αの面積は小さい。炭酸度の相対値が大きいほど、直線２３は枠２５の最上点の近くに表示され、特定領域αの面積は大きい。

図２において、特定領域αは、レーダチャート２１の外部のみに示されている。特定領域αは、直線２３に対応するように、レーダチャート２１の内部の一部に示されていてもよい。図２において、特定領域αは、ハッチングによって示されている。特定領域αは、枠２５の内部の他の部分と異なる色によって着色された領域であってもよい。特定領域αは、炭酸度又は香りに関連する図柄によって表されてもよい。特定領域αは、たとえば、炭酸をイメージさせるように、複数の泡を示す図柄によって表されてもよい。

サブチャート２４は、レーダチャート２１よりも下方の位置からレーダチャート２１を囲うように延在するバー２４ａ，２４ｂの長さによって、評価値を示す。バー２４ａ，２４ｂは、中心点２６を中心とする円弧上において延在している。本実施形態において、サブチャート２４は、対象の飲食物の香りに関する評価値を示している。サブチャート２４は、たとえば、２種類の香りを、それぞれバー２４ａとバー２４ｂとによって示す。バー２４ａとバー２４ｂは、レーダチャート２１よりも下方の位置において接続されている。バー２４ａとバー２４ｂとの境界は、枠２５の最下点を通る直線上に延在している。バー２４ａは、レーダチャート２１よりも下方の位置からレーダチャート２１を囲うようにレーダチャート２１の左側に延在している。バー２４ｂは、レーダチャート２１よりも下方の位置からレーダチャート２１を囲うようにレーダチャート２１の右側に延在している。図２において、バー２４ａ，２４ｂは、それぞれ異なるハッチングによって示されている。バー２４ａ，２４ｂは、それぞれ異なる色によって着色されていてもよい。

サブチャート２４は、たとえば、リンゴ香に関する評価値を、バー２４ａの長さによって示し、バナナ香に関する評価値を、バー２４ｂの長さによって示している。バー２４ａ及びバー２４ｂの長さは、示す評価値に応じて変化する。たとえば、評価値が大きいほど、バー２４ａ，２４ｂの長さは長い。グラフ作成部１６は、たとえば、各香りの香り値と第三基準データとに基づいて香りの相対値を演算し、演算された相対値を示すサブチャート２４を作成する。サブチャート２４において、香りの相対値は、バー２４ａ，２４ｂの長さに対応する。香りの相対値が小さいほど、バー２４ａ，２４ｂの長さは短い。香りの相対値が大きいほど、バー２４ａ，２４ｂの長さは長い。

図３は、本実施形態の変形例におけるグラフ作成部１６において作成されるグラフの一例を示す図である。図３に示されているグラフ２０Ａは、レーダチャート２１と２種のサブチャート２２，２９と枠２５とを含んでいる。本変形例は、サブチャート２４の代わりにサブチャート２９が用いられている点において、上述した実施形態と異なる。

サブチャート２９は、たとえば、対象の飲食物の炭酸度と香りとに関する評価値を示している。本変形例において、サブチャート２９は、対象の飲食物の香りに関する評価値を示している。サブチャート２９は、矩形状の領域を占めるバー２９ａ，２９ｂの長さによって、評価値を示す。バー２９ａ，２９ｂは、矩形状を呈している。本変形例において、バー２９ａ，２９ｂは、水平方向に延在している。サブチャート２９は、たとえば、２種類の香りを、それぞれバー２９ａとバー２９ｂとによって示す。バー２９ａは、レーダチャート２１よりも下方の位置において水平方向に延在している。バー２９ｂは、バー２９ａよりも下方の位置に置いて水平方向に延在している。バー２９ａとバー２９ｂとは、平行に配列されている。図３において、バー２９ａ，２９ｂは、それぞれ異なるハッチングによって示されている。バー２９ａ，２９ｂは、それぞれ異なる色によって着色されていてもよい。

サブチャート２９は、たとえば、リンゴ香に関する評価値を、バー２９ａの長さによって示し、バナナ香に関する評価値を、バー２９ｂの長さによって示している。バー２９ａ及びバー２９ｂの長さは、示す評価値に応じて変化する。たとえば、評価値が大きいほど、バー２９ａ，２９ｂの長さは長い。グラフ作成部１６は、たとえば、各香りの香り値と第三基準データとに基づいて香りの相対値を演算し、演算された相対値を示すサブチャート２９を作成する。サブチャート２９においても、香りの相対値は、バー２９ａ，２９ｂの長さに対応する。香りの相対値が小さいほど、バー２９ａ，２９ｂの長さは短い。香りの相対値が大きいほど、バー２９ａ，２９ｂの長さは長い。

次に、図４を参照して、推定モデル作成システムの機能及び構成を説明する。図４は、推定モデル作成システムのブロック図である。推定モデル作成システム３０は、対象の飲食物に対して感じられる感覚を推定する推定モデルを作成する。飲食物評価システム１と推定モデル作成システム３０とは、一体であってもよい。

推定モデル作成システム３０は、成分データ取得部３１と、仮データ取得部３２と、格納部３３と、第一成分データ選別部３４と、相関係数演算部３５とを備えている。推定モデル作成システム３０は、さらに、第二成分データ選別部３６と、仮推定モデル作成部３７と、仮評価値演算部３８と、推定モデル決定部３９と、出力部４０とを備えている。

成分データ取得部３１は、複数種の飲食物の各々における成分データを取得する。上述したように、成分データは、飲食物に含まれる複数の成分の各々の含有量に関する情報を含んでいる。成分データ取得部３１は、推定モデル作成システム３０の外部から成分データを取得してもよいし、成分データ取得部３１における測定結果を成分データとして取得してもよい。

成分データ取得部３１によって成分データを取得する複数種の飲食物は、作成される推定モデルが対象とする種別の飲食物であり、推定対象の飲食物と同種の飲食物である。たとえば、推定モデルによって感覚を推定する飲食物がアルコール飲料に分類される場合には、成分データ取得部３１は、複数種のアルコール飲料をサンプルとして、各サンプルにおける成分データを取得する。以下、成分データ取得部３１によって成分データを取得する飲食物を「サンプル」と呼ぶ。

成分データ取得部３１によって取得される成分データにおいて、この成分データに含まれる複数の成分は、たとえば、全ての飲食物に含まれると考えられる全ての成分である。成分データ取得部３１によって取得される成分データにおいて、この成分データに含まれる複数の成分は、サンプル又は推定対象の飲食物と同種の飲食物に含まれると考えられる全ての成分であってもよい。推定対象の飲食物は、作成される推定モデルの対象の飲食物である。成分データ取得部３１によって取得される成分データは、測定可能な成分の成分データであり、各種のクロマトグラフィに基づいて測定され得る成分データである。成分データ取得部３１によって取得される成分データは、複数種のサンプルの炭酸度に関する情報を含んでいてもよい。成分データ取得部３１によって取得される成分データは、香り成分に関する情報を含んでいてもよい。

たとえば、成分データ取得部３１によって取得される成分データは、１５３種の成分毎の含有量に関する情報を含んでいる。推定モデル作成システム３０がアルコール飲料に対して感じられる感覚う味覚の推定を行う推定モデルを作成する場合、成分データ取得部３１によって取得される成分データは、アルコール飲料に含まれる測定可能な成分毎の含有量に関する情報を含んでいる。アルコール飲料に含まれる測定可能な成分は、たとえば、８５種の成分である。成分データ取得部３１は、たとえば、５０種以上の成分毎の含有量に関する情報を成分データとして取得する。

仮データ取得部３２は、複数種のサンプルの各々について仮データを取得する。仮データ取得部３２は、推定モデル作成システム３０の外部から仮データを取得してもよいし、仮データ取得部３２における測定結果を仮データとして取得してもよい。仮データは、複数種の飲食物の各々に対して感じられる複数種の感覚の各々を定量的に示すデータである。仮データは、既知の味覚センサなどのセンサによって取得される。本実施形態の変形例として、仮データは、官能試験に基づいて取得されたデータであってもよい。

たとえば、味覚に関する仮データは、既知の味覚センサによって取得される。味覚センサは、たとえば、塩味、酸味、甘味、旨味、及び、苦味を含む複数種の味覚について、各味覚の度合いを示す味覚値を検出する。味覚センサは、たとえば、脂質膜の電位変化を測定する。味覚センサは、各味覚に対応する成分が脂質膜に付着することによって生じる電位変化に基づいて味覚値を検出する。以下、味覚センサなどのセンサによって検出される評価値を、検出評価値という。

塩味に対応する成分は、たとえば、ＮａＣｌ、ＫＣｌ、及び、ＬｉＣｌなどを含んでいる。酸味に対応する成分は、たとえば、塩酸、酢酸、クエン酸、リンゴ酸、及びコハク酸などを含んでいる。甘味に対応する成分は、たとえば、グルコース、スクロース、フルクトース、マルトース、グリシン、及び、アスパルテームなどを含んでいる。旨味に対応する成分は、グルタメート、イノシン酸、及び、グアニル酸などを含んでいる。苦味に対応する成分は、カフェイン、キニーネ、タンニン、フェニルアラニン、及び、Ｍｇ^２＋などを含んでいる。

既知の味覚センサでは、複数の成分が同時に脂質膜に付着するため、成分ごとの含有量を測定することは困難である。既知の味覚センサにおける検出結果に影響を及ぼす成分の種類は、各種のクロマトグラフィに基づいて測定され得る成分の種類よりも圧倒的に少ない。

格納部３３は、種々の情報を予め格納しており、各種の機能部からの情報を格納する。格納部３３は、たとえば、成分データ取得部３１によって取得された成分データを格納する。格納部３３は、仮データ取得部３２によって取得された仮データを格納する。

第一成分データ選別部３４は、成分データ取得部３１において取得された成分データから、推定対象の飲食物と同種の飲食物に対して感じられる感覚に関係しない又は関係性が低いと考えられる成分の成分データを除いた第一成分データを選別する。換言すれば、第一成分データ選別部３４は、成分データ取得部３１において取得された成分データから不要データを削除する。第一成分データ選別部３４は、成分データ取得部３１において取得された成分データから、推定対象の飲食物と同種の飲食物において測定値がゼロである又はゼロに近い成分に関する成分データを除去する。第一成分データにおける成分の種類は、既知の味覚センサなどのセンサにおける検出結果に影響を及ぼす成分の種類よりも多い。第一成分データは、たとえば、５０種以上の成分毎の含有量に関する情報を含んでいる。

相関係数演算部３５は、複数種のサンプルの各々における成分データと仮データとに基づいて、複数種の感覚の各々について各成分と感覚との相関係数を演算する。この相関係数は、各感覚に対する各成分の影響の度合いを示す。相関係数演算部３５は、第一成分データ選別部３４において選別された第一成分データと、仮データ取得部３２において取得された仮データとに基づいて、各成分と各感覚との相関係数を演算する。換言すれば、相関係数演算部３５は、第一成分データ選別部３４において選別された第一成分データにおける各成分と各感覚との相関係数を、第一成分データと味覚センサなどから出力された検出評価値とに基づいて演算する。

一例として、１９種のアルコール飲料について、複数種の感覚のうち酸味に対する相関係数を演算する場合について説明する。たとえば、相関係数演算部３５は、１９種のアルコール飲料の各々における第一成分データと、１９種のアルコール飲料の各々における酸味に関する検出評価値とに基づいて、各成分の含有量と酸味との相関係数を演算する。相関係数の算出は、既知の手法によって行われる。相関係数は、－１から１までの値をとる。相関係数が－１である場合は、負の方向で影響が大きい。相関係数が１である場合は、正の方向で影響が大きい。相関係数がゼロである場合は、相関がない。

たとえば、１９種のアルコール飲料をそれぞれｉ（ｉ＝１，・・・，１９）とし、酒種ごとの酸味に関する検出評価値をｘｉとし、酒種ごとのグルタミン酸の含有量をｙｉをとする。この場合、相関係数演算部３５は、酸味に関するグルタミン酸の相関係数として、酒種ごとの酸味に関する検出評価値ｘｉと、酒種ごとのグルタミン酸の含有量ｙｉとの相関係数を演算する。相関係数演算部３５は、同様に、第一成分データにおけるグルタミン酸以外の各成分の含有量と酸味との相関係数を演算する。以上の処理を繰り返し、相関係数演算部３５は、酸味を含む全ての感覚に対して各成分との相関係数を演算する。

第二成分データ選別部３６は、第一成分データにおける各成分の相関係数に基づいて、第一成分データから成分データを選別する。第二成分データ選別部３６によって選別された選別データは、第一成分データにおける成分のうち一部の成分毎の含有量に関する情報を含む。第二成分データ選別部３６は、感覚ごとに、上記相関係数が所定の条件を満たす成分の成分データを選別データとして選別する。

第二成分データ選別部３６は、感覚ごとに、上記相関係数に関する条件に応じて、複数のパターンの選別データを選別する。換言すれば、第二成分データ選別部３６は、第一成分データにおける各成分の相関係数に基づいて、成分データから、互いに異なる数の成分毎の含有量に関する情報を含む複数種の選別データを選別する。これら複数種の選別データは、互いに異なる条件を上記相関係数が満たしている成分データである。

たとえば、第二成分データ選別部３６は、第一成分データにおける成分のうち、上記相関係数の絶対値が一番目に高い成分から五番目に高い成分の成分データを第一パターンの選別データとして選別する。たとえば、第二成分データ選別部３６は、上記相関係数の絶対値が０．６以上の成分の成分データを第二パターンの選別データとして選別する。たとえば、第二成分データ選別部３６は、上記相関係数の絶対値が０．４以上の成分の成分データを第三パターンの選別データとして選別する。第二成分データ選別部３６は、さらに、第一成分データの全てを第四パターンの選別データとして取得してもよい。第二成分データ選別部３６が選別する選別データのパターンの数は、４つに限定されない。これらパターンの数、及び、相関係数の条件は、サンプルの数に応じて適宜決定されてもよい。パターンの数が多いほど、推定の正確度は高い。しかし、パターンの数が多すぎれば、推定モデルの作成における計算負荷は大きい。

仮推定モデル作成部３７は、成分データと仮データと相関係数とに基づいて、仮推定モデルを作成する。仮推定モデル作成部３７は、感覚ごとに仮推定モデルを作成する。仮推定モデル作成部３７は、互いに異なる条件を相関係数が満たしている成分データによって、複数の仮推定モデルを作成する。換言すれば、仮推定モデル作成部３７は、第二成分データ選別部３６において選別された複数のパターンの各々の選別データに基づいて、それぞれの選別データに対応する仮推定モデルを作成する。

仮推定モデル作成部３７は、たとえば、回帰分析によって仮推定モデルを作成する。回帰分析には、既知の手法が用いられる。仮推定モデル作成部３７は、感覚ごとに回帰分析を行い、感覚ごとに仮推定モデルを作成する。仮推定モデル作成部３７は、たとえば、第二成分データ選別部３６において選別された選択データを説明変数とし、仮データを目的関数とした回帰分析を行う。仮推定モデル作成部３７は、複数種のサンプルにおける対象の感覚の選択データと仮データとに基づいて、回帰分析を行う。

仮推定モデル作成部３７は、たとえば、線形回帰とランダムフォレスト回帰とのそれぞれを用いて、仮推定モデルを作成する。たとえば、仮推定モデル作成部３７は、４つのパターンの各々の選別データに基づいて、線形回帰によって４つのパターンの仮推定モデルを作成し、さらに、ランダムフォレスト回帰によって４つのパターンの仮推定モデルを作成する。この場合、仮推定モデル作成部３７は、各感覚ごとに、８つのパターンの仮推定モデルを作成する。

仮評価値演算部３８は、第二成分データ選別部３６において選択された選択データと、仮推定モデル作成部３７において作成された仮推定モデルとに基づいて、仮評価値を演算する。仮評価値演算部３８は、感覚ごとに仮評価値を演算する。本実施形態において、仮評価値演算部３８は、仮推定モデル作成部３７において作成された複数の仮推定モデルに基づいて、各推定モデルに対応する複数の仮評価値を演算する。

推定モデル決定部３９は、複数のパターンの仮推定モデルを用いて演算される複数の仮評価値に基づいて、推定モデルを決定する。推定モデル決定部３９は、感覚ごとに、推定モデルを決定する。推定モデル決定部３９は、感覚ごとに、複数のパターンの仮推定モデルのうち最も推定の正確度が高いと判断される仮推定モデルを、最終的な推定モデルとして決定する。たとえば、推定モデル決定部３９は、仮データと仮評価値に基づいて、上述した８つのパターンの仮推定モデルから推定モデルを決定する。

図５を参照して、推定モデル決定部３９による推定モデルの決定方法の一例を説明する。図５は、異なる条件によって作成された仮推定モデルを用いて演算された仮評価値をプロットしたグラフである。縦軸は仮評価値と基準値との差分であり、横軸は、サンプルの種類である。図５において、１９種のサンプルａ～ｓが示されている。図５に示されている例では、基準値として仮データが用いられ、サンプルとしてアルコール飲料が用いられている。図５は、一例として、複数種の感覚のうち酸味に関するデータを示している。

図５は、横軸のメモリごとに、メモリが示すサンプルの仮評価値と、メモリが示すサンプルの検出評価値との差分を示している。メモリが示すサンプルの仮評価値は、メモリが示すサンプル以外の１８種のサンプルを用いて作成された仮推定モデルによって演算されている。たとえば、横軸の「ａ」のメモリでは、サンプルａ以外の１８種のサンプルｂ～ｓを用いて作成された仮推定モデルによるサンプルａの仮評価値と、仮データのうち味覚センサなどによって検出されたサンプルａの検出評価値との差分が示されている。横軸の「ｂ」のメモリでは、サンプルｂ以外の１８種のサンプルａ，ｃ～ｓを用いて作成された仮推定モデルの仮評価値と、仮データのうち味覚センサなどによって検出されたサンプルｂの検出評価値との差分が示されている。

データＤ１～Ｄ８は、それぞれ、上述した８つのパターンの仮推定モデルのうち対応する仮推定モデルを用いて演算された仮評価値に関するデータである。データＤ１は、上述した第四パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮推定モデルの仮評価値に関する。データＤ２は、第四パターンの選別データに基づいて線形回帰を用いて作成された仮推定モデルの仮評価値を示している。データＤ３は、上述した第一パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮推定モデルの仮評価値に関する。データＤ４は、第一パターンの選別データに基づいて線形回帰を用いて作成された仮推定モデルの仮評価値に関する。データＤ５は、上述した第二パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮推定モデルの仮評価値に関する。データＤ６は、第二パターンの選別データに基づいて線形回帰を用いて作成された仮推定モデルの仮評価値に関する。データＤ７は、上述した第三パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮推定モデルの仮評価値に関する。データＤ８は、第三パターンの選別データに基づいて線形回帰を用いて作成された仮推定モデルの仮評価値に関する。

推定モデル決定部３９は、これらデータＤ１～Ｄ８に基づいて、８つのパターンの仮推定モデルの各々について、決定係数Ｒ^２、差分の絶対値の和、差分の絶対値の最大値、及び、差分の絶対値の平均値の少なくとも一つを演算する。推定モデル決定部３９は、決定係数Ｒ^２、差分の絶対値の和、差分の絶対値の最大値、及び、差分の絶対値の平均値の少なくとも一つに基づいて、推定モデルを決定する。推定モデル決定部３９は、決定係数Ｒ^２を用いる場合には、最も決定係数Ｒ^２が大きいパターンの仮推定モデルを推定モデルとして決定する。推定モデル決定部３９は、差分の絶対値の和を用いる場合には、最も差分の絶対値の和が小さいパターンの仮推定モデルを推定モデルとして決定する。推定モデル決定部３９は、差分の絶対値の最大値を用いる場合には、最も差分の絶対値の最大値が小さいパターンの仮推定モデルを推定モデルとして決定する。

推定モデル決定部３９は、たとえば、決定係数Ｒ^２、差分の絶対値の和、及び、差分の絶対値の最大値に基づいて、推定モデルを決定する。たとえば、推定モデル決定部３９は、差分の絶対値の和による条件、差分の絶対値の最大値による条件、決定係数Ｒ^２による条件の順で優先順位に重み付けをして推定モデルを決定する。これによって、推定モデル決定部３９は、全体的に差分が小さく、突出した差分が少なく、かつ、説明変数が少ないパターンの仮推定モデルを最終的な推定モデルとして決定する。この結果、変数のばらつきによる影響が低減される。

たとえば、第一の選択として、推定モデル決定部３９は、差分の絶対値の和が所定の値よりも小さいパターンの仮推定モデルを選択する。第一の選択において選択されたパターンが複数ある場合には、推定モデル決定部３９は、第二の選択として、第一の選択において選択されたパターンのうち、差分の絶対値の最大値が所定の値よりも小さいパターンの仮推定モデルを選択する。第二の選択において選択されたパターンが複数ある場合には、推定モデル決定部３９は、第三の選択として、第二の選択において選択されたパターンのうち、決定係数Ｒ^２が大きいが所定の値よりも大きいパターンの仮推定モデルを選択する。第三の選択において選択されたパターンが複数ある場合には、推定モデル決定部３９は、第四の選択として、第三の選択において選択されたパターンのうち、最も説明変数が少ないパターンの仮推定モデルを選択する。第四の選択において選択されたパターンが複数ある場合には、推定モデル決定部３９は、第五の選択として、第四の選択において選択されたパターンのうち、ランダムフォレスト回帰を用いたパターンの仮推定モデルを選択する。

出力部４０は、推定モデル決定部３９において決定された推定モデルを飲食物評価システム１の格納部１２に出力する。格納部１２と格納部３３とが一体である場合には、出力部４０は、推定モデル決定部３９において決定された推定モデルを格納部３３に格納してもよい。

次に、図６を参照して、飲食物評価システム１及び推定モデル作成システム３０のハードウェア構成について説明する。図６は、飲食物評価システム１及び推定モデル作成システム３０のハードウェア構成の一例を示す図である。図６に示されている例において、飲食物評価システム１と推定モデル作成システム３０とは、一体に構成されている。飲食物評価システム１と推定モデル作成システム３０とは、互いに分離して構成されていてもよい。

飲食物評価システム１と推定モデル作成システム３０とは、システム１００を含んでいる。システム１００は、プロセッサ１０１と、主記憶装置１０２と、補助記憶装置１０３と、通信装置１０４と、入力装置１０５と、出力装置１０６とを備えている。システム１００は、これらのハードウェアと、プログラム等のソフトウェアとにより構成された１又は複数のコンピュータを含んでいる。飲食物評価システム１と推定モデル作成システム３０は、ハードウェアと協働して実現されている。

システム１００が、複数のコンピュータによって構成される場合には、これらのコンピュータはローカルで接続されてもよいし、インターネット又はイントラネットなどの通信ネットワークを介して接続されてもよい。この接続によって、論理的に１つの飲食物評価システム１と推定モデル作成システム３０とが構築される。

プロセッサ１０１は、オペレーティングシステム及びアプリケーション・プログラムなどを実行する。主記憶装置１０２は、ＲＯＭ（Read Only Memory)及びＲＡＭ（Random Access Memory）により構成される。たとえば、評価値推定部１４、グラフ作成部１６、第一成分データ選別部３４、相関係数演算部３５、第二成分データ選別部３６、仮推定モデル作成部３７、仮評価値演算部３８、及び、推定モデル決定部３９の少なくとも一部は、プロセッサ１０１及び主記憶装置１０２によって実現される。

補助記憶装置１０３は、ハードディスク及びフラッシュメモリなどにより構成される記憶媒体である。補助記憶装置１０３は、一般的に主記憶装置１０２よりも大量のデータを記憶する。たとえば、格納部１２，３３の少なくとも一部は、補助記憶装置１０３によって実現される。

通信装置１０４は、ネットワークカード又は無線通信モジュールにより構成される。たとえば、成分データ取得部１１、推定モデル取得部１３、出力部１７、成分データ取得部３１、仮データ取得部３２、及び出力部４０の少なくとも一部は、通信装置１０４によって実現される。入力装置１０５は、キーボード、マウス、及び、タッチパネルなどにより構成される。たとえば、成分データ取得部１１、推定モデル取得部１３、成分データ取得部３１、及び仮データ取得部３２の少なくとも一部は、入力装置１０５によって実現される。出力装置１０６は、ディスプレイ及びプリンタなどにより構成される。たとえば、出力部１７及び出力部４０の少なくとも一部は、出力装置１０６によって実現される。たとえば、出力装置１０６は、評価値推定部１４において推定された各感覚の推定情報、及び、グラフ作成部１６において作成された対象の飲食物の推定情報を示すグラフの少なくとも１つを表示する。

補助記憶装置１０３は、予め、プログラム及び処理に必要なデータを格納している。飲食物評価プログラムは、飲食物評価システム１又は推定モデル作成システム３０の各機能要素をコンピュータに実行させる。プログラムによって、たとえば、後述する処理Ｓ１から処理Ｓ１０又は処理Ｓ２１から処理Ｓ２５がコンピュータにおいて実行される。このプログラムは、たとえば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリなどの有形の記録媒体に記録された上で提供されてもよい。このプログラムは、データ信号として通信ネットワークを介して提供されてもよい。

次に、図７を参照して、推定モデルの作成方法における処理の一例について説明する。図７は、推定モデルの作成方法を示すフローチャートである。

まず、成分データ取得部３１が、複数種のサンプルの各々における成分データを取得する（処理Ｓ１）。換言すれば、成分データ取得部３１は、複数種の飲食物の各々における複数の成分の各々の含有量に関する情報を含む成分データを取得する。成分データは、香り成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。

次に、仮データ取得部３２が、複数種のサンプルの各々にける仮データを取得する（処理Ｓ２）。換言すれば、仮データ取得部３２は、複数種の飲食物の各々に対して感じられる複数種の感覚の各々を定量的に示す仮データを取得する。

次に、第一成分データ選別部３４が、処理Ｓ１において取得された成分データから不要データを削除する（処理Ｓ３）。第一成分データ選別部３４は、成分データ取得部３１において取得された成分データから、推定対象の飲食物と同種の飲食物に対する感覚に関係しない又は関係性が低いと考えられる成分の成分データを除いた第一成分データを選別する。第一成分データにおける成分の種類は、既知の味覚センサなどのセンサにおける検出結果に影響を及ぼす成分の種類よりも多い。

次に、相関係数演算部３５が、対象の感覚に対する成分の相関係数を演算する（処理Ｓ４）。相関係数演算部３５は、複数種の飲食物の各々における第一成分データと仮データとに基づいて、対象の感覚と各成分との相関係数を演算する。

次に、第二成分データ選別部３６が、相関係数に基づいて、処理Ｓ３の処理後の成分データから選別を行う（処理Ｓ５）。第二成分データ選別部３６は、各成分の相関係数に基づいて、成分データから選別データを選別する。選別データは、たとえば、複数の成分のうち一部の成分毎の含有量に関する情報を含んでいる。

次に、仮推定モデル作成部３７が、仮推定モデルを作成する（処理Ｓ６）。仮推定モデル作成部３７は、たとえば、処理Ｓ５において選別された選別データと仮データとに基づいて、仮推定モデルを作成する。

次に、仮評価値演算部３８が、仮推定モデルを用いて仮評価値の演算を演算する（処理Ｓ７）。仮評価値演算部３８は、直前の処理Ｓ５において選択された選択データと、直前の処理Ｓ６において作成された仮推定モデルとに基づいて、仮評価値を演算する。

次に、推定モデル決定部３９が、全ての仮推定モデルの仮評価値が演算されたか判断する（処理Ｓ８）。全ての仮推定モデルとは、処理Ｓ５における全てのパターンに基づいて作成された仮推定モデルである。処理Ｓ８において、全ての仮推定モデルの仮評価値が演算されていないと判断された場合には、処理は処理Ｓ５に戻る。この結果、処理Ｓ５が繰り返し実行されることによって、第二成分データ選別部３６は、たとえば、各成分の相関係数に基づいて、成分データから、互いに異なる数の成分毎の含有量に関する情報を含む第一及び第二選別データを選別する。処理Ｓ５と処理Ｓ６とが繰り返し実行されることによって、仮推定モデル作成部３７は、たとえば、第一選別データと仮データとに基づく第一仮推定モデルと、第二選別データと仮データとに基づく第二仮推定モデルとを作成する。

処理Ｓ８において全ての仮推定モデルの仮評価値が演算されたと判断された場合には、推定モデル決定部３９は、対象の感覚に対する推定モデルを決定する（処理Ｓ９）。処理Ｓ４から処理Ｓ９のステップによって、成分データと仮データと相関係数とに基づいて、対象の飲食物における成分データの入力に応じて、対象の飲食物の推定情報を出力する推定モデルが作成される。換言すれば、選別データと仮データとに基づいて、推定モデルが作成される。たとえば、成分データのうち相関係数が所定の値以上の少なくとも１つの成分の含有量に関する情報を含む選別データと、仮データとに基づいて、推定モデルが作成される。

処理Ｓ５及び処理Ｓ６とが繰り返し実行されることによって、複数の仮推定モデルが作成される。推定モデル決定部３９は、仮データに基づいて、複数の仮推定モデルのうち一つを推定モデルとして決定する。たとえば、推定モデル決定部３９は、第一仮推定モデル及び第二仮推定モデルのうち一方を推定モデルとして決定する。

次に、推定モデル決定部３９は、全ての感覚について推定モデルが決定されたかを判断する（処理Ｓ１０）。全ての感覚について推定モデルが決定されたと判断された場合には、処理は処理Ｓ４に戻る。全ての感覚について推定モデルが決定されていないと判断された場合には、一連を処理が終了される。処理Ｓ４が繰り返し実行されることによって、相関係数演算部３５は、複数の感覚の各々について、飲食物に対して感じられる感覚と各成分との相関係数を演算する。処理Ｓ４から処理Ｓ９が繰り返し実行されることによって、推定モデルは、感覚ごとに作成される。

以上、推定モデルの作製方法の一例について説明したが、各処理の順序はこれに限定されない。たとえば、処理Ｓ２は、処理Ｓ１の前に実行されてもよいし、処理Ｓ３の後に実行されてもよい。

次に、図８を参照して、推定方法における処理の一例について説明する。本実施形態では、推定モデルを用いて対象の飲食物に対して感じられる感覚を推定する。図８は、推定モデルを用いた推定方法を示すフローチャートである。

まず、特定情報取得部１０が、対象の飲食物の特定情報を取得する（処理Ｓ２１）。たとえば、特定情報取得部１０は、対象の飲食物の名称を取得する。特定情報は、対象の飲食物の成分データであってもよい。この場合、成分データ取得部１１が特定情報取得部１０を兼ね、処理Ｓ２１又は処理Ｓ２２が省略されてもよい。

次に、成分データ取得部１１が、対象の飲食物の成分データを取得する（処理Ｓ２２）。たとえば、成分データ取得部１１は、処理Ｓ２１において取得された特定情報に基づいて、対象の飲食物の成分データを取得する。成分データ取得部１１は、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データを取得する。成分データは、香り成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。

次に、推定モデル取得部１３が、推定モデルを取得する（処理Ｓ２３）。この推定モデルは、複数種の飲食物の各々における成分データと、複数種の飲食物の各々に対して感じられる複数種の感覚のうち１つを定量的に示す仮データと、対象の感覚と各成分との相関係数とに基づいて作成されている。

次に、評価値推定部１４が、推定モデルを用いて評価値を演算する（処理Ｓ２４）。換言すれば、評価値推定部１４は、対象の飲食物における成分データと直前の処理Ｓ２３において取得された推定モデルとに基づいて、対象の飲食物に対して感じられる感覚を推定する。

次に、評価値推定部１４が、全ての感覚の評価値が取得されたかを判断する（処理Ｓ２５）。換言すれば、評価値推定部１４は、全ての感覚に関する評価値が取得されたかを判断する。処理Ｓ２４において全ての感覚に関する評価値が取得されていないと判断された場合には、処理は処理Ｓ２３に進む。処理Ｓ２３が繰り返し実行されることによって、互いに異なる感覚に対応する複数の推定モデルが取得される。処理Ｓ２３と処理Ｓ２４とが繰り返し実行されることによって、対象の飲食物における成分データと複数の推定モデルとに基づいて、対象の飲食物について各推定モデルに対応する感覚に関する評価値が推定される。換言すれば、処理Ｓ２１において取得された特定情報に基づいて、推定情報が推定され、取得される。本実施形態において、処理Ｓ２３と処理Ｓ２４とが繰り返し実行されることによって、五味の味覚値と炭酸度と香り値とが推定される。処理Ｓ２３と処理Ｓ２４とを繰り返し実行されることによって、複数の味覚の味覚値が推定され、炭酸度及び香り値の少なくとも一方は格納部１２から取得されてもよい。

処理Ｓ２４において全ての感覚に関する評価値が取得されたと判断された場合には、グラフ作成部１６が、取得された評価値に基づいて対象の飲食物の推定情報を示すグラフを作成する（処理Ｓ２６）。たとえば、グラフ作成部１６は、レーダチャートとサブチャートとを含んでいるグラフを作成する。グラフ作成部１６は、たとえば、図２に示されているグラフ２０、又は、図３に示されているグラフ２０Ａを作成する。

次に、出力部１７が、評価データを出力する（処理Ｓ２７）。処理Ｓ２７において、出力部１７において出力される評価データは、グラフ作成部１６において作成されたグラフ及び評価値推定部１４において演算された評価値の少なくとも一つを含んでいる。出力部１７は、たとえば、図２に示されているグラフ２０又は図３に示されているグラフ２０Ａを不図示の表示部に表示させる。出力部１７は、グラフ作成部１６によって作成されたグラフのデータを外部に出力してもよい。

以上、味覚推定方法の一例について説明したが、各処理の順序はこれに限定されない。たとえば、処理Ｓ２２は、処理Ｓ２３の後に実行されてもよい。

次に、本実施形態における推定モデルの作成方法、飲食物評価システム１、及び、飲食物評価プログラムの作用効果について説明する。

この飲食物評価システム１において、対象の飲食物を特定する特定情報に基づいて、第一評価値と第二評価値とが取得される。したがって、対象の飲食物の味覚に関する評価値だけでなく、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値も取得される。味覚に関する評価値はレーダチャート２１によって示され、対象の飲食物の炭酸度及び香りの少なくとも一方に関する評価値はサブチャート２２，２４，２９によって示される。味覚に関する評価値は、レーダチャート２１において纏めて示される。したがって、この飲食物評価システム１によれば、飲食物に対して感じられる感覚が明瞭に示され得る。対象の飲食物の潜在顧客は、グラフ２０，２０Ａを参考することによって、直観的に対象の飲食物の評価を把握することができる。このため、購買意欲の向上が期待される。

グラフ２０は、レーダチャート２１を囲う枠を含んでいる。サブチャート２２は、特定領域αが枠２５の内部を占める度合いによって第二評価値を示している。この場合、第一評価値と第二評価値とが纏まりよく示されながら、推定情報の認識され易さが確保される。

サブチャート２４は、レーダチャート２１よりも下方の位置からレーダチャート２１を囲うように延在するバー２４ａ，２４ｂの長さによって、第二評価値を示している。この場合、第一評価値と第二評価値とが纏まりよく示されながら、推定情報の認識され易さが確保される。

第二評価値は、第一種の香りに関する評価値と、第二種の香りに関する評価値とを含んでいる。サブチャート２４は、第一種の香りに関する評価値を、レーダチャート２１よりも下方の位置からレーダチャート２１を囲うようにレーダチャート２１の左側に延在するバーの長さによって示している。サブチャート２４は、第二種の香りに関する評価値を、レーダチャート２１よりも下方の位置からレーダチャート２１を囲うようにレーダチャート２１の右側に延在するバー２４ｂの長さによって示している。この場合、２種類の香りに関する評価値が示され得る。第一評価値と香りに関する評価値とが纏まりよく示されながら、第一評価値と香りに関する評価値との認識され易さが確保される。

グラフ作成部１６は、複数種の飲食物の味覚に関する評価値と、複数種の飲食物の炭酸度に関する評価値と、複数種の飲食物の香りに関する評価値との少なくとも一つに基づく基準データを取得している。グラフ２０は、基準データと推定情報とを比較した値に基づいて推定情報を示している。この場合、飲食物に対して感じられる感覚がより明瞭に示され得る。

基準データは、第一基準データと第二基準データと第三基準データとの少なくとも一つを含んでいる。第一基準データは、複数種の飲食物の味覚に関する評価値のうちの最小値と最大値とを含んでいる。第二基準データは、複数種の飲食物の炭酸度に関する評価値のうちの最小値と最大値とを含んでいる。第三基準データは、複数種の飲食物の香りに関する評価値のうちの最小値と最大値とを含んでいる。グラフ２０は、対象の飲食物の味覚に関する評価値と、対象の飲食物の炭酸度に関する評価値と、対象の飲食物の香りに関する評価値との少なくとも一つを、基準データに含まれている最小値を下限すると共に基準データに含まれている最大値を上限とする相対評価によって示している。この場合、飲食物に対して感じられる感覚がより明瞭に示され得る。

飲食物を飲食した場合に感じる感覚の評価は、たとえば、官能評価又は味覚センサによって行われることが考えられる。しかし、官能評価による各飲食物の評価は、膨大な労力と時間を要すると共に、評価者の感覚及び評価時の環境に左右される。この点、味覚センサによれば、飲食物の成分から味覚を定性的かつ容易に推定できる。しかし、味覚センサなどのセンサによって検知される成分は限られている。このため、飲食物に含まれている成分のうち、既知の味覚センサなどのセンサでは検出されない成分の影響によって、実際に感じられる感覚と上記センサの出力結果との間に差異が生じる場合がある。たとえば、味覚は、単に舌による感覚だけでなく、香り及びのどごしなどによっても変化する。これらを考慮して、飲食物のどの成分がどのように感覚に影響を与えるかは、未だ知られていない。少なくとも既知の味覚センサなどのセンサにおいて検出される成分よりも多くの成分が、飲食物に対して感じられる感覚に影響を与えている。

飲食物評価システム１は、評価値推定部１４をさらに備えている。評価値推定部１４は、特定情報に基づいて、第一評価値と第二評価値との少なくとも一方を推定する。たとえば、特定情報は、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データである。推定情報取得部１５は、評価値推定部１４において推定された第一評価値と第二評価値とを推定情報として取得している。この場合、成分データに基づいて第一評価値と第二評価値との少なくとも一方が推定されるため、より正確度の高い情報が示され得る。

上述したように、推定モデルの作成方法は、成分データと仮データとに基づいて、複数種の感覚の各々について感覚と成分との相関係数を演算する。成分データと仮データと相関係数とに基づいて、上記推定モデルを作成する。この推定モデルによれば、仮データのみに基づいて、対象の飲食物に対して感じられる感覚を推定する場合よりも、推定の正確度が向上する。

飲食物評価システム１において、推定モデル取得部１３が複数種の飲食物の各々における成分データと、複数種の飲食物の各々について複数種の感覚の各々を定量的に示す仮データと、感覚と各成分との相関係数とに基づく推定モデルを取得する。評価値推定部１４は、成分データ取得部１１によって取得された情報と、推定モデル取得部１３によって取得された推定モデルとに基づいて、対象の飲食物に対して感じられる感覚を推定する。この場合、仮データのみに基づいて、対象の飲食物に対して感じられる感覚を推定する場合よりも、推定の正確度が向上する。

飲食物評価プログラムにおいて、成分データと、仮データと、感覚と各成分との相関係数とに基づく推定モデルが取得される。対象の飲食物における成分データと推定モデルとに基づいて、対象の飲食物に対して感じられる感覚が推定される。この場合、仮データのみに基づいて、対象の飲食物に対して感じられる感覚を推定する場合よりも、推定の正確度が向上する。

特に、実際にヒトが感じる甘味は、既知の味覚センサにおいて甘味の推定に利用されている成分以外の成分の含有比率に応じても大きく変化する。このため、既知の味覚センサにおいて甘味の推定に利用されている成分の含有量のみの定量評価では、実際にヒトが感じる甘味と乖離するおそれがある。したがって、既知の味覚センサにおいては、特に、甘味に関する推定の正確度が低い。上記作成方法によって作成された推定モデル、飲食物評価システム１、及び、飲食物評価プログラムによれば、甘味を含む味覚の推定の正確度が向上する。

推定モデルを作成するステップにおいて、各成分の相関係数に基づいて、成分データから、複数の成分のうち一部の成分毎の含有量に関する情報を含む選別データが選別され、選別データと仮データとに基づいて、推定モデルが作成されてもよい。この場合、不要な成分の情報が排除されるため、演算処理負荷が抑制される。関係性の高い成分の情報が用いられるため、推定の正確度がさらに向上する。

推定モデルを作成するステップにおいて、複数の成分の各々の相関係数に基づいて、成分データから、第一選別データと、第一選別データと異なる数の成分毎の含有量に関する情報を含む第二選別データとが選別される。第一選別データと仮データとに基づく第一仮推定モデルと、第二選別データと仮データとに基づく第二仮推定モデルとが作成される。仮データに基づいて、第一仮推定モデル及び第二仮推定モデルのうち一方が推定モデルとして決定される。この場合、不要な成分の情報が排除されるため、演算処理負荷が抑制される。関係性の高い成分の情報が用いられるため、推定の正確度がさらに向上する。

成分データは、各種のクロマトグラフィに基づくデータを含んでいる。この場合、より多くの種類の成分の含有量に関する情報が取得され得る。

飲食物は、アルコール飲料であってもよい。アルコール飲料の場合、味覚だけでなく炭酸度及び香りも重要視される。飲食物評価システム１、及び、飲食物評価プログラムによれば、味覚と、炭酸度及び香りの少なくとも一方とに関して評価が示される。アルコール飲料の場合、味覚として甘味が重要視される。この作成方法によって作成される推定モデル、飲食物評価システム１、及び、飲食物評価プログラムによれば、従来の推定では正確度が低かった甘味の推定も向上され得る。

成分データは、香り成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。この場合、推定モデルは香り成分及び炭酸度の少なくとも一方も考慮して作成される。ヒトの味覚には、例えば、香り及びのどごしも関係している。この推定モデルによれば、香り成分及び炭酸度の少なくとも一方も考慮して味覚が推定され得るため、味覚の推定の正確度がさらに向上する。たとえば、対象の飲食物の香り成分及び炭酸度の少なくとも一方に関する情報と推定モデルとに基づいて塩味、酸味、甘味、旨味、及び、苦味の少なくとも一つを推定することによって、これらの推定の正確度も向上し得る。

推定モデル取得部１３は、互いに異なる味覚に対応する複数の推定モデルを取得する。評価値推定部１４は、成分データ取得部１１によって取得された情報と複数の推定モデルとに基づいて、対象の飲食物について各推定モデルに対応する感覚を推定する。この場合、感覚ごとに作成された推定モデルによって、飲食物に対して感じられる感覚が推定される。したがって、１つの推定モデルによって複数種の感覚を推定する場合よりも、推定の正確度が向上する。

以上、本発明の実施形態及び変形例について説明してきたが、本発明は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

たとえば、飲食物評価システム１は、推定モデル取得部１３と、評価値推定部１４とを備えていなくてもよい。この場合、格納部１２は、複数種の飲食物と各飲食物の推定情報とを関連付けた情報を格納していてもよい。この場合、飲食物評価システム１は、たとえば、特定情報取得部１０によって取得された対象の飲食物の特定情報を取得し、取得された特定情報に関連付けられている推定情報を格納部１２から取得する。

１…飲食物評価システム、１０…特定情報取得部、１４…評価値推定部、１５…推定情報取得部、１６…グラフ作成部、２０，２０Ａ…グラフ、２１…レーダチャート、２２，２４，２９…サブチャート、２４ａ，２４ｂ，２９ａ，２９ｂ…バー、２５…枠、α…特定領域。

Claims (18)

1. 対象の飲食物を特定する特定情報を取得する第一取得部と、
   前記特定情報に基づいて、前記対象の飲食物の味覚に関する第一評価値と、前記対象の飲食物の炭酸度及び香りの少なくとも一方に関する第二評価値と、を含んでいる推定情報を取得する第二取得部と、
   前記推定情報を示すグラフを作成するグラフ作成部と、を備え、
   前記グラフは、前記第一評価値を示すレーダチャートと、前記第二評価値を前記レーダチャートの周囲において示すサブチャートとを含んでいる、飲食物評価システム。
2. 前記特定情報に基づいて、前記第一評価値と前記第二評価値との少なくとも一方を推定する推定部をさらに備え、
   前記特定情報は、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データであり、
   前記第二取得部は、前記推定部において推定された前記第一評価値と前記第二評価値とを前記推定情報として取得する、請求項１に記載の飲食物評価システム。
3. 前記グラフは、前記レーダチャートを囲う枠を含んでおり、
   前記サブチャートは、特定領域が前記枠の内部を占める度合いによって、前記第二評価値を示す、請求項１又は２に記載の飲食物評価システム。
4. 前記サブチャートは、前記レーダチャートよりも下方の位置から前記レーダチャートを囲うように延在するバーの長さによって、前記第二評価値を示す、請求項１から３のいずれか一項に記載の飲食物評価システム。
5. 前記第二評価値は、第一種の香りに関する評価値と、第二種の香りに関する評価値とを含んでおり、
   前記サブチャートは、前記第一種の香りに関する評価値を、前記レーダチャートよりも下方の位置から前記レーダチャートを囲うように前記レーダチャートの左側に延在するバーの長さによって示し、前記第二種の香りに関する評価値を、前記レーダチャートよりも下方の位置から前記レーダチャートを囲うように前記レーダチャートの右側に延在するバーの長さによって示す、請求項４に記載の飲食物評価システム。
6. 前記グラフ作成部は、複数種の飲食物の味覚に関する評価値と、複数種の飲食物の炭酸度に関する評価値と、複数種の飲食物の香りに関する評価値との少なくとも一つに基づく基準データを取得し、
   前記グラフは、前記基準データと前記推定情報とを比較した値に基づいて前記推定情報を示す、請求項１から５のいずれか一項に記載の飲食物評価システム。
7. 前記基準データは、前記複数種の飲食物の味覚に関する評価値のうちの最小値と最大値とを含んでいる第一基準データと、前記複数種の飲食物の炭酸度に関する評価値のうちの最小値と最大値とを含んでいる第二基準データと、前記複数種の飲食物の香りに関する評価値のうちの最小値と最大値とを含んでいる第三基準データとの少なくとも一つを含んでおり、
   前記グラフは、前記対象の飲食物の味覚に関する評価値と、前記対象の飲食物の炭酸度に関する評価値と、前記対象の飲食物の香りに関する評価値との少なくとも一つを、前記基準データに含まれている前記最小値を下限とすると共に前記基準データに含まれている前記最大値を上限とする相対評価によって示す、請求項６に記載の飲食物評価システム。
8. 前記飲食物は、アルコール飲料である、請求項１から７のいずれか一項に記載の飲食物評価システム。
9. 前記グラフ作成部によって作成された前記グラフを表示する出力部をさらに備えている、請求項１から８のいずれか一項に記載の飲食物評価システム。
10. 対象の飲食物を特定する特定情報を取得することと、
    前記特定情報に基づいて、前記対象の飲食物の味覚に関する第一評価値と、前記対象の飲食物の炭酸度及び香りの少なくとも一方に関する第二評価値と、を含んでいる推定情報を取得することと、
    前記推定情報を示すグラフを作成することと、をコンピュータに実行させ、
    前記グラフは、前記第一評価値を示すレーダチャートと、前記第二評価値を前記レーダチャートの周囲において示すサブチャートとを含んでいる、飲食物評価プログラム。
11. 前記特定情報に基づいて、前記第一評価値と前記第二評価値との少なくとも一方を推定すること、をさらにコンピュータに実行させ、
    前記特定情報は、前記対象の飲食物における複数の成分の各々の含有量に関する情報を含む成分データである、請求項１０に記載の飲食物評価プログラム。
12. 前記グラフは、前記レーダチャートを囲う枠を含んでおり、
    前記サブチャートは、特定領域が前記枠の内部を占める度合いによって、前記第二評価値を示す、請求項１０又は１１に記載の飲食物評価プログラム。
13. 前記サブチャートは、前記レーダチャートよりも下方の位置から前記レーダチャートを囲うように延在するバーの長さによって、前記第二評価値を示す、請求項１０から１２のいずれか一項に記載の飲食物評価プログラム。
14. 前記第二評価値は、第一種の香りに関する評価値と、第二種の香りに関する評価値とを含んでおり、
    前記サブチャートは、前記第一種の香りに関する評価値を、前記レーダチャートよりも下方の位置から前記レーダチャートを囲うように前記レーダチャートの左側に延在するバーの長さによって示し、前記第二種の香りに関する評価値を、前記レーダチャートよりも下方の位置から前記レーダチャートを囲うように前記レーダチャートの右側に延在するバーの長さによって示す、請求項１３に記載の飲食物評価プログラム。
15. 複数種の飲食物の味覚に関する評価値と、複数種の飲食物の炭酸度に関する評価値と、複数種の飲食物の香りに関する評価値との少なくとも一つに基づく基準データを取得すること、をさらにコンピュータに実行させ、
    前記グラフは、前記基準データと前記推定情報とを比較した値に基づいて前記推定情報を示す、請求項１０から１４のいずれか一項に記載の飲食物評価プログラム。
16. 前記基準データは、前記複数種の飲食物の味覚に関する評価値のうちの最小値と最大値とを含んでいる第一基準データと、前記複数種の飲食物の炭酸度に関する評価値のうちの最小値と最大値とを含んでいる第二基準データと、前記複数種の飲食物の香りに関する評価値のうちの最小値と最大値とを含んでいる第三基準データとの少なくとも一つを含んでおり、
    前記グラフは、前記対象の飲食物の味覚に関する評価値と、前記対象の飲食物の炭酸度に関する評価値と、前記対象の飲食物の香りに関する評価値との少なくとも一つを、前記基準データに含まれている前記最小値を下限とすると共に前記基準データに含まれている前記最大値を上限とする相対評価によって示す、請求項１５に記載の飲食物評価プログラム。
17. 前記飲食物は、アルコール飲料である、請求項１０から１６のいずれか一項に記載の飲食物評価プログラム。
18. 作成された前記グラフを表示部に表示すること、をさらにコンピュータに実行させる、請求項１０から１７のいずれか一項に記載の飲食物評価プログラム。

Images