技术领域
[0001] 本
发明涉及用于经验上测量人对预定刺激的感知的计算机实现的系统和方法。特别地，本发明涉及基于表征刺激的预定变量的集合来在多变量参数空间中表现对刺激的感知。在本发明的第一示例应用中，刺激可以是计算机显示器的彩色区域，并且感知变量可以包括
亮度、
对比度或者所感知的
颜色，所感知的颜色是按照诸如潘通色卡（Pantone®）号或者颜色空间（例如RGB）中的定义之类的描述符的标准化库来进行表达的。在本发明的第二示例应用中，预定刺激可以是食品的
风味或者香气，或者其他可感知的特征，在这种情况下，本发明涉及在归一化的风味轮廓空间中表现所感知的食品的（多个）特征——例如，能够映射到预定的风味注解库上的风味空间。
背景技术
[0002] 在许多工业领域中，能够可靠地测量对产品的特定特征的感知是重要的。例如，计算机显示器的制造商通常能够使用比色法来高
精度地
指定特定显示器的
色域和强度深度。比色法可以被定义为“用于在物理方面量化和描述人类颜色感知的技术”，并且其目的在于将可见的颜色特征表现为颜色感知的物理关联，诸如颜色空间三刺激值。显示器制造商可以雇佣在比色法方面经验丰富的颜色工程师，来在显示器接受校准和
质量控制时表征显示器输出的颜色空间和强度特征。由于颜色工程师无法可靠地测量颜色和强度刺激的实际感知（因为它们是由显示器的用户感知的），因此传统的比色法技术被限制于测量显示器的特征以及由显示器发出的光的特征（
色温，
光谱辐射亮度，反射率，三刺激值等）。然而，实际上，用户对颜色的感知不仅取决于所发出的光的物理特征。例如，它还取决于环境变量，诸如环境光的类型和亮度、视
角、空气清洁度/扩散度、莫尔干涉或者甚至室温或者一天中的时间，并且它还可能取决于用户特定的变量，诸如用户的年龄、眼部生理机能或者余像效应。理论上讲，我们对这样的环境变量和用户变量进行详细的测量是可能的，并且由此产生高
分辨率的感知轮廓，所述感知轮廓将感知变量的不同值与颜色/强度刺激的不同值相关联。然而，这实际上将是复杂并且费
力的，并且实质上至少不可能实时实现。这也意味着获取计算机显示器的制造商不直接感兴趣的大量数据（用户的中央凹扫描、本地环境数据等），并且将只提供针对比色法变量和刺激的（多个）特定组合的感知轮廓数据。
[0003] 在其他技术领域中，比色法的经验测量存在类似的问题，诸如在油漆和涂料的制造中，其中感知是对反射光或者
透射光的感知，或者对这两者的感知。经验丰富的配色师能够以编码的术语表达对色相、
色调和表面纹理的比色感知。表面纹理能够对所感知的表面颜色产生深远影响，尤其是在其中比色主要由表面的反射率特征确定的情况下。在需要两个或更多个配色师进行合作的情况下，他们可以使用公共的编码比色法术语库，并且对照所述公共库校准他们的测量值。
[0004] 在上面描述的比色法技术原则上可以用于量化和归一化其中所感测的量是可测量的任何人类感知。例如，可以使用换能器
和声学分析仪来精确测量空气中的
声波，并且例如可以将声谱的听觉感知表现为可以在建筑声学工程中使用的多维声网或者声学地图。
[0005] 与比色法类似的技术也可以用于量化人类对触觉、味觉和气味的感知。与比色法一样，人类对物质的风味和香气的感知是对味觉受体与物理量或者化学量（诸如物质的分子组成）的相互作用的感知，所述物理量或者化学量能够使
用例如化学或者质谱技术来进行测量。与比色法一样，理论上可以以类似的方式将外部环境变量和与用户相关的变量（例如，可能影响对诸如苯硫脲等分子的感知的遗传因素）考虑在内，针对个体详细测量对物质的风味和香气的感知，但是实际上该任务将是不可行的，并且会生成大量的冗余数据。与比色法一样，能够使用编码的术语库来表征人类对风味和香气的感知。
[0006] 在下面的描述中，将主要使用风味感知的示例描述本发明。然而，本发明的原理还可应用于其他种类的人类感知，特别是其中感知变量是客观地可测量的情况（诸如色觉、听学、纹理/触觉等的感觉）。
现有技术[0007] 为了以高分辨率准确地量化对颜色刺激（例如，计算机显示器上的图形）的感知，已知的是将所显示的颜色对照所打印的图表或者色卡进行比较。替代地，经验丰富的比色师可以参照标准化参考描述符的约定集合，来选择最接近的值或者描述符值的组合。然而，这是一个耗时的处理，并且容易不准确和不一致。
[0008] 为了准确地量化对物质的风味的感知，如在上面提到的，分离出物质的单独的确定风味的成分，并且针对不同类型的品尝者分析（例如使用化学或者
生物化学技术）每种成分和每种成分组合的所感知的风味特征在理论上是可能的。然而，这很可能是不切实际的。代替地，通常雇佣经验丰富的人类品尝者小组，并且对品尝者进行训练，以确保对有关风味或者香气进行一致、可重复的评估。建立品尝者小组是昂贵的，并且品尝者需要对照同一小组和/或其他小组的其他品尝者进行持续的训练和校准。通常包括少量训练有素的品尝者的这种品尝者小组是昂贵的，并且他们在能够执行的品尝次数的方面能力有限。品尝者通常可能被要求在数千种不同的风味注解之间进行区分。他们在标准化的环境中，在一个地方一起工作，并且他们的味觉评估会被监控，以确保单独的品尝者正在以与小组的其他成员相同的方式应用风味描述符。在风味、纹理以及香气的强度的标度方面对品尝者进行训练。为了确保一致性和准确性，每个品尝者必须提交多个冗余的评估，然后在一组中对所述冗余的评估进行平均。这创建了对于数据存储和处理能力的相当大的需求，以开发甚至是单个风味轮廓。进一步地，因为必须针对每个食物产品测试单独收集而不是重复使用这些标度，所以在跨多个产品或者小组进行衡量时，该方法生成大量的存储容量需求。将传统的感知量化系统扩展到成百上千或者数万个用户是不合理的，因为为了处理创建高分辨率描述符空间所需的所有数据而所需的
数据处理和存储架构是不切实际地大的。这样的系统也将不能实时进行适配。更进一步地，这项工作是耗时的。例如，熟练、经验丰富的品尝者甚至可能花费一个小时来表征一个产品的风味。传统地，不同的系统使用不同的风味描述符专有库，这意味着，即使不是不可能，将基于一个风味描述符库的一个系统的风味评估与另一个系统的风味评估进行比较也是困难的。这也使受过训练的小组成员难以切换到不同的系统。
[0009] 类似地，利用比色法，虽然与所发出的光的物理特征相关的颜色参数可以在颜色表示系统之间以数字方式映射或者变换，但是表征颜色感知变量的系统可能难以或者不可能以同样的方式进行映射。
[0010] 进一步地，因为现有的针对颜色和食品的量化评估方法需要专
门的训练，所以这种已知技术使得测量个人的味觉感知是不可能的。
[0011] 在诸如在上面提到的比色法和品尝系统之类的感知量化系统中，描述符空间可以包括用于表征刺激（例如所显示的图形的颜色或者食品的风味）的大量（成千上万甚至数十万个）变量（例如颜色或者风味注解）。需要一种生成这种高分辨率多变量描述符空间的更简单并且更一致的方法。
发明内容
[0012] 本发明试图克服现有技术中固有的上述缺点和其他缺点中的至少一些。特别地，本发明目的在于提供根据
权利要求1所述的方法和根据权利要求16所述的系统。在
从属权利要求中陈述了本发明的进一步的变型。通过基于小的描述符变量集合获取并且归一化大量的成对描述符量化，有可能生成具有精细粒度的高分辨率描述符空间（即，数量更大得多的描述符变量）。成对量化（用户选择）所基于的集合的大小很小意味着所述集合的描述符能够被给予简单的标识符，这些简单的标识符对于很多人并且对于没有特定描述符量化的详细经验的人而言是可理解的。尽管以前要求精细粒度的描述符标识符库来描述用于定义高分辨率描述符空间的变量，但是本发明的方法通过向许多用户呈现许多更简单的描述符对以供选择，来使得能够使用更小得多的用户友好的描述符标识符集合创建高分辨率描述符空间。更进一步地，系统由此可扩展到无限的程度。先前的系统受到能够由个人用户（专家小组成员）进行区分的描述符粒度的限制。本发明的方法允许创建更高分辨率的描述符空间，而不要求用户具有更高的技能或者专业知识。
[0013] 因此，通过捕捉对于成对比较问题的许多答案，有可能实现与由专家比色师或者品尝小组所实现的相似的感知变量（描述符）量化质量，而不要求对比色师/品尝者进行训练，并且不需要大规模数据处理能力来计算结果。更进一步地，所实现的描述符表征是一致的，并且能够以用于提供归一化的描述符空间这样的方式进行量化，从而允许由处于不同
位置的不同用户组执行不同的量化。成对询问，以及对于成对回答的自动处理还可以显著减少由每个用户所花费的时间——几分钟，而不是使用传统方法的一个小时或者更长时间。尽管减少了用户参与所需的时间，但是可以大大提高所得到的感知轮廓的准确性。另外，描述符空间中所有所收集的数据点（用户选择）或多或少地有助于提高感知轮廓的准确性。
[0014] 上述优点特别地可以使用下面描述的方法的自适应变型来实现，其中，基于用户过去的选择来确定成对描述符的选择和/或排序。该自适应变型还减少了网络流量的量（更少的用户交互）并且减少了对冗余信息的收集。这提高了处理速度，并且降低了存储和处理能力要求。这还允许使描述符空间的分辨率发生变化以满足不同的要求。例如，描述符空间的某些区域可以包括与其他区域相比更多的有用信息，并且这些区域可以以更高的分辨率（更大的描述符对点的
密度）来表征。本发明还促进了标准化
接口的创建，由此描述符空间（例如颜色/香气/风味）可以与其他描述符库匹配，使得描述符空间和/或所获取的感知轮廓可以容易地映射到诸如例如彩色显示器制造商、食物制造商或者香
水屋的专有内部描述符空间的其他描述符空间。
附图说明
[0015] 在以下详细描述中，连同在随附附图中给出的示例
实施例和实现的图示一起，将进一步解释本发明及其优点，其中：图1示出了用于执行根据本发明的方法的示例
服务器-客户端系统；
图2示出了风味描述符空间的示例，其中刺激是被分析物质的
味道；
图3示出了颜色描述符空间的示例，其中刺激是在被分析的计算机上显示的浅红色区域；
图4更详细地示出了用于执行根据本发明的方法的服务器-客户端配置的第一示例；
图5更详细地示出了用于执行根据本发明的方法的服务器-客户端配置的第二示例；
图6示出了用于执行根据本发明的方法的用户设备的第一变型；
图7示出了用于执行根据本发明的方法的用户设备的第二变型；
图8示出了具有目标风味轮廓的风味描述符空间的示例。
[0016] 附图仅旨在作为本发明的示例实施例的说明，而不是被解释为限制本发明的范围。在不同附图中使用相同附图标记的情况下，这些附图标记旨在指代相同或者对应的特征。然而，使用不同的附图标记本身不应被视为对所引用的特征之间的任何特定差异的指示。
[0017] 在本文中使用的术语“颜色”除了包括色彩参数和光谱参数外，还包括能够用于表征所发出的或者所反射的或者所透射的光的其他参数，诸如例如强度、辐射度、表面纹理等。
[0018] 在本文中使用的术语“风味”要包括香气。对“食物”或者“食品”的引用应当理解为包括任何可食用、可饮用、可吸入或者可闻到的物质或者产品。
具体实施方式
[0019] 图1以非常简化的示意图形式示出了一种系统，该系统可以被配置为执行本发明的方法。后端服务器1（也被称为主机或者
云平台）被布置为通过诸如互联网的通信网络3与诸如智能电话、膝上型计算机、
平板电脑或者台式计算机之类的多个用户设备2通信。如将在下面描述的，主机1被配置为向用户设备2发送描述符，并且从用户设备2收集并且处理描述符选择回答。
[0020] 图2示出了用于表示食品的风味轮廓的风味描述符空间4的图形表示。在该示例中，在十三个径向轴上描绘了十三个风味描述符，每个风味描述符具有0-100％的强度标度。在该示例中，所述十三个描述符已经被预先选择为适用于表征黑巧克力产品。两种不同的黑巧克力产品由点状虚线5和短横虚线6表征。
[0021] 针对在上面描述的比色法应用，图3中示出了类似的描述符空间。如果刺激是在计算机屏幕上显示的浅红色图形元素，则描述符变量可以包括诸如“淡紫色”、“玫瑰粉色”、“珊瑚色”、“浅橙色”等色相。高加索人的视觉感知倾向于对这种浅粉色色调敏感，并且视频显示器的制造商可能需要对在该颜色子空间中的描述符进行更高分辨率的量化。
[0022] 在下面的描述的其余部分主要引用风味/香气应用作为示例，但是应当理解，相同的原理可以用于诸如比色法、听觉等的其他应用中。
[0023] 图4更详细地示出了图1的主机1的第一示例实现的功能元件的示例。注意，主机1不需要是单个设备，而是可以包括多个设备或者在云平台或者虚拟服务器上运行的虚拟设备。适用于被分析的特定产品或者产品类型的风味描述符的集合（也被称为风味注解）存储在
数据库7中。例如，在巧克力产品的情况下，风味描述符可以包括图2中所示出的十三个描述符。描述符选择部件21可选地在随机化部件23的控制下选择描述符的成对组合，并且优选地，使得每个用户设备2（从传输部件22）接收数据库7中的描述符的所有成对组合。在具有13个描述符的巧克力示例中，有78个可能的描述符对。风味描述符对由选择部件21进行选择，并且传输到用户设备2。
[0024] 在每个用户设备2处（例如，在显示屏上）呈现风味描述符对，以用于由设备2的用户进行选择。用户例如通过在
触摸屏上向左或者向右滑动或者触摸图形按钮或者其他形式的按钮来指示所呈现的两个风味描述符中的哪个更接近地反映他或者她对产品风味的感知。每个用户选择被传输到主机1处的接收接口24，以用于进行过滤25和归一化26。优选地，对风味描述符对中的每个重复进行成对询问30，并且对于用户设备2中的每个重复进行该处理31。在比色法应用中，除了或者代替文本描述符术语，可以可选地显示与描述符相对应的颜色。
[0025] 如在上面描述的，可以将这些对从主机1顺序地传输到用户设备2。替代地，针对一个品尝者的一种产品的一组对可以全部一起或者以多个对的成批形式传输到用户设备2。类似地，用户设备2可以实时地（即，随着选择的作出）将回答选择传输到接收部件24，或者用户设备2可以在将所有回答一起或者以多个回答的成批形式传输到接收部件24之前累积回答中的一些或者全部。
[0026] 可以提供过滤部件25以用于过滤出异常的用户选择，或者用于从要被映射到数据库8中的风味描述符空间的选择数据中排除特定用户的选择，或者用于根据一些其他准则对用户选择进行加权。可选地，来自过滤部件25的输出32可以用作对选择部件21的自适应控制输入，使得可以自适应地执行对于风味描述符对的选择，例如以便重复对于已经由过滤部件25针对其检测到异常用户选择的描述符对的询问。如将在下面描述的，过滤部件25可以被实现为
机器学习功能和/或先前的用户选择模式的
知识库。
[0027] 通过归一化处理器部件26来调整与风味描述符对相对应的用户选择，以将所述选择映射到多维风味描述符强度空间，该空间可以被实现为数据库8中的适当的数据结构。归一化部件26对每个风味描述符进行加权，以便相对于其他描述符强度分数归一化强度值。将在下面更详细地描述归一化处理。
[0028] 图6示出了在智能手机的触摸屏上的描述符对中的一个的图形表示的示例。响应于所显示的提示，设备用户（品尝者）指示所显示的两个描述符“ 柑橘味”和“ 坚果味”中的哪一个更接近地描述了所品尝的物质的风味。然后，用户选择“获胜”描述符，并且该选择被记录并且传输到主机1，于是在屏幕上显示下一个描述符对。
[0029] 图5示出了用于执行本发明的服务器-客户端系统的替代实现。虽然仅示出了一个用户设备2，但是应当理解，在主机1和每个用户设备2之间存在类似的传输/接收布置。在该示例中，替代地，图4的主机1的功能在用户设备2处部分执行。因此，传输部件22将风味描述符（例如，在图2中所示出的黑巧克力产品的情况下是13个描述符的集合）传输到位于用户设备2处的选择部件21。选择部件21例如可以是移动应用程序，或者是移动应用程序的功能的一部分。选择部件21可选地在随机化部件23的控制下生成风味描述符（在图2的巧克力示例中为78对）的组合，并且由用户设备2处的
用户界面输出部件27（例如显示器，音频输出等）优选地以一次一个的方式呈现（可选地随机化的）对。针对每个描述符对，用户的选择由用户界面输入部件28（例如触摸屏，
键盘，
鼠标，音频输入）记录并且由用户设备2的传输部件29传输到主机1处的接收部件24。与在图4中所图示的实现一样，一旦已经呈现了所有的描述符对并且记录了选择，就可以将回答实时单独地、或者分批地、或者全部一起地传输。
[0030] 可以使用任何合适的随机或者伪随机数生成
算法来实现随机化部件23。更进一步地，基于个人和组所回答的回答，对问题进行适配，从而避免收集基于先前的答案“已知”的冗余信息。附加地或者替代地，当与个人用户的先前答案相比较时，为了准确性和一致性，可以动态过滤每个答案。通过这种方式，提问可以适配于回答者的品尝技能水平，以便捕捉对于每个个人用户而言可能达到的水平的准确和相关的数据。这增加了能够捕捉到的信息的深度，同时消除了会提高存储和处理要求的冗余或者误导性数据。
[0031] 如在上面提到的，可以有利地实时动态地生成描述符对。描述符对的这种所谓的“智能”生成可以被适配为消除或者减少被评判为不太可能提供刺激的重要附加表征数据的对的出现（例如，所有用户以相同的方式一致对待的对，或者与描述符空间的一个区域相关的对，在该区域中，已经评定出个人用户具有很差的一致性记录）。某些对可以位于描述符空间的其中已经有足够数据密度的区域中，因此这些对可以被部分或者完全抑制。或者是相反的情况——描述符空间中特别感兴趣的区域可能被稀疏地填充，在这种情况下，可以针对该区域生成更多的对。在其中用户随机地位于世界各地的情况下，可能的是某些区域是欠表达或者过表达的，在这种情况下，可以实时响应地动态调整对的数量和类型。还可以考虑描述符空间中数据点的使用年限。例如，如果特定区域中的数据异常旧，则可以增加新描述符对的数量以替换或者补充现有数据。在某些应用中，用户的感知可以随时间的经过而改变，所以更新描述符空间可能很重要。
[0032] 过滤部件25可以被配置为使用分级的描述符数据，其中以不同的粒度程度提供描述符，从层级中更高的描述符继承描述符特征。例如，在风味应用中，可以首先使用高级描述符（奶油味、水果味、甜味、香草味等）来量化酸奶产品的风味，并且过滤部件25可以采用机器学习算法，所述机器学习算法自动检测特定类型的用户回答何时已达到预定的收敛水平（即，当呈现进一步的成对描述符时，实现减小的回报水平）。在这个阶段，过滤部件25可以被配置为自动移动到描述符的更高粒度（在层级中更低）。粒度的这种改变在任一方向上发生，并且可以根据需要经常重复。例如，当刺激是草莓酸奶的味道时，过滤部件25可以使用草莓风味描述符（其中有很多）相对快速地移动到高粒度。
[0033] 如果针对描述符空间中的特定区域检测到用户回答的收敛，则过滤部件可以例如在风味应用中。
[0034] 提供过滤部件25以用于例如检测不合逻辑、不一致或者不完整的选择结果，并且可选地命令选择部件21重复特定的对或者以其他方式适配呈现给（多个）用户的对的序列。为了应对其中品尝者提供不完整的选择结果集合的情况，过滤部件25可以包括贝叶斯或者其他统计分析引擎，以用于例如从品尝者的其他选择结果推断出缺失的选择参数的值。
[0035] 归一化部件26被配置为对选择结果进行归一化并且将它们映射到数据库8中的风味轮廓空间中，诸如图2中所描绘的示例。在传统的人工风味评估环境中，其中风味注解由单独的经训练的品尝者进行评估，对每个风味注解的衡量能够独立进行。这意味着能够为产品添加附加的风味注解，并且如果所有其它风味注解保持不变，则可以测量该风味注解并且将其“添加”到风味轮廓中。相比之下，在本发明的方法中，所有描述符选择是相对于其他描述符作出的，因此不可能独自评估单独的描述符的选择结果。每个描述符选择分数必须相对于其他描述符分数进行归一化。
[0036] 由归一化部件26处理每个对中的“获胜者”（即，由用户从每个描述符对中选择的更强烈的风味描述符）。归一化部件可以实现以下归一化函数，例如：intensity(X) = (wins(X) +1 ) / (wins(X) + 1 + losses(X) + 1)。
[0037] 换句话说，描述符X的强度值被计算为上述wins（X）的函数，wins（X）是选择描述符X而不是另外的描述符的次数，并且loss（X）是选择另外的描述符而不是描述符X的次数。该计算是针对风味描述符空间的描述符维度（例如13个）中的每个执行的。因此，基本值（即，在记录任何获胜或者失败之前的初始值）为50％。注意，这仅仅是用于归一化选择结果的函数的一个示例。可以使用其他的归一化公式。
[0038] 过滤部件25可以有利地包括用于检测用户的不合逻辑或者不一致的选择的部件。例如，它可以检测回答中的逻辑不一致，诸如（水果味* /坚果味）（坚果味* /辣味）（水果味/辣味*），其中星号指示针对这三个描述符对的用户选择。这可以指示特定用户发现难以辨别风味注解或者某些类型的风味注解。当由过滤部件25检测到这样的不一致时，通过经由自适应控制通信链路32发送指令，然后可以自动重新提示有关的对或者对的集合，直到找到一致性为止。过滤部件25可以使用已建立的机器学习技术来确定针对特定用户和/或特定食品或者食品类型的规则，所述规则可以被馈送回到32选择部件21，从而以如下这样的方式适
配对于描述符对的选择：细化特定用户和/或特定食品或者食品类型的回答以用于更高的准确性。
[0039] 可以针对品尝者一致并且可靠地区分风味注解的能力来对品尝者进行过滤。在这种情况下，
过滤器部件25和选择部件21可以被配置为呈现针对同一产品的风味描述符对的多个集合，并且根据预定的逻辑和数字规则评定它们的一致性。例如，可以要求风味注解的每个相继的排序落入误差的
阈值内，以便品尝者的选择结果能够被接受，以用于映射到结果数据库8中的风味描述符空间中的产品轮廓中。过滤器部件25可以被配置为检测个人用户的回答之间的逻辑上的不一致（例如，如果用户选择描述符A、B和C，使得A＞ B、B＞ C并且C＞ A，则可以进行干预）。在这种情况下，过滤器部件25可以自动适配描述符对的序列以规避或者消除不一致的回答，或者减少该用户的回答的权重。
[0040] 在本文中以功能术语描述的被称为“部件”的各种系统元件可以被实现为专用
电路或者
硬件元件，或者被实现为存储在数据载体或者操作
存储器中并且由处理单元执行的指令，或者被实现为这些的组合。
[0041] 在上面描述的方法和系统被设计为提供对产品风味的准确并且一致的量化。风味描述符信息的归一化量化允许生成按比例缩放的风味轮廓信息，而不是传统的品尝小组方法的陈述性信息。这使得由不同品尝者群体执行的品尝能够在数字上彼此比较，从而可以将来自不同群体的风味描述符轮廓表示在同一描述符空间中。在过滤部件25中实现的机器学习可以例如包括学习不同品尝者或者不同品尝者群体的不同感知轮廓，并且可以使用所学习的规则来
自动调节风味强度轮廓。如果例如使用相同或者相似的描述符由两个不同的组来品尝相同的产品，则过滤部件25可以被配置为从两种不同的风味量化中自动学习针对各个描述符的所计算的强度得分上的差异。然后，可以由过滤器部件25使用这些所学习的差异来相应地针对特定群体增大或者减小描述符强度值的权重。这由于能够基于味觉感知变化去除“不相关的”数据点而促进在偏好测试中的有意义的效率增益。这造成市场研究活动的较低的产能利用。
[0042] 更进一步地，本发明的方法可以适配于使得能够创建针对产品的理想或者“目标”轮廓。与定义偏好驱动程序的传统回归模型相比，本方法由于对问题界面的自适应性质以及在与个人感知测量结合时偏好数据的提高的准确性而要求较少的存储和处理能力。除了根据每个品尝者对相关风味注解强度的感知而进行的成对选择（即二元选择）之外，还可以利用提示来呈现选择以确定品尝者在每个对中的偏好。因此，除了“哪种风味更强烈 ”之外，还可以询问与同一风味描述符对相关的如下问题：“您更喜欢增加哪种风味 ”和/或“您更喜欢减少哪种风味 ”。对这些偏好对的选择回答可以以与在上面描述的用于风味描述符感知选择的类似的方式映射并且归一化到被分析产品的风味描述符空间中，并且可以用于创建目标风味轮廓，该目标风味轮廓可以与已经描述过的感知轮廓进行比较，并且由此指示可以有利地对产品作出什么风味改变，以便在参与的品尝者代表的更广泛的群体范围内吸引公众。因此，通过结合用户创建的原始轮廓，使用每个用户的关于增加/减少哪个注解的反馈的按比例缩放的测量值，可以为每个用户生成目标轮廓。这被表达为方程，其中变量是风味格调。系数是经由用户的反馈确定的。用户反馈可以被过滤并且被聚合以创建具有聚合系数的“组”方程。这可以用于生成目标轮廓。例如，如果原始轮廓由函数F(x, y, z)定义，并且聚合的组函数为0.3x，0.4x，1.2z，则针对x的目标风味强度变成0.3x，其中x是由在上面描述的控制小组产生的原始强度。
[0043] 在图8中图示的风味轮廓空间4'上示出了目标风味轮廓9的示例。在该示例中，目标轮廓9指示在被品尝的产品中增加“甜味”，“奶味”和“焦糖味”风味的强度值，和/或降低“辣味”，“烧烤味”，“坚果味”和“芳
香味”的强度值很可能会改进风味。
[0044] 图7示出了本发明的进一步的变型。除了呈现成对的风味描述符（在这种情况下为“辣味”和“奶味”）以供选择之外，还可以为用户提供附加的输入字段35，以输入可以利用风味描述符来量化的其他信息。可能的是呈现例如不在从其中选择对的描述符集合中的替代的风味描述符列表，并且允许用户通过从所述列表中选择描述符来提供附加的选择或者偏好信息。替代地，附加的字段35可以是自由形式的字段，以用于收集来自用户的附加的品尝反馈。
[0045] 尽管已经使用成对的风味描述符描述了本发明，但是也可能使用风味描述符的三元组或者甚至更高阶的组合以用于进行选择。然而，已经发现成对的描述符是优选的，因为它们使得品尝者更容易区分风味注解，并且成对的可能组合的数量显著地更少。然而，算法的自适应性质允许该方法确定在什么情况下呈现多于两个的风味注解是可能的，同时保持准确性。这种包括多于两个选择的方式是附加的效率增益，因为它减少了用于确定问题而返回到服务器的返回，从而减少了处理加载时间。
