論文の概要: A new classification system of beer categories and styles based on large-scale data mining and self-organizing maps of beer recipes

• arxiv url: http://arxiv.org/abs/2505.17039v1
• Date: Tue, 13 May 2025 00:05:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-01 23:16:01.381097
• Title: A new classification system of beer categories and styles based on large-scale data mining and self-organizing maps of beer recipes
• Title（参考訳）: 大規模データマイニングとビールレシピの自己組織化マップに基づくビールカテゴリーとスタイルの新しい分類システム
• Authors: Diego Bonatto,
• Abstract要約: 6万2100個のビールレシピを分析した。 4つの主要なスーパークラスターは、独特のモルトとホップの使用パターン、スタイルの特徴、歴史的醸造の伝統を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A data-driven quantitative approach was used to develop a novel classification system for beer categories and styles. Sixty-two thousand one hundred twenty-one beer recipes were mined and analyzed, considering ingredient profiles, fermentation parameters, and recipe vital statistics. Statistical analyses combined with self-organizing maps (SOMs) identified four major superclusters that showed distinctive malt and hop usage patterns, style characteristics, and historical brewing traditions. Cold fermented styles showed a conservative grain and hop composition, whereas hot fermented beers exhibited high heterogeneity, reflecting regional preferences and innovation. This new taxonomy offers a reproducible and objective framework beyond traditional sensory-based classifications, providing brewers, researchers, and educators with a scalable tool for recipe analysis and beer development. The findings in this work provide an understanding of beer diversity and open avenues for linking ingredient usage with fermentation profiles and flavor outcomes.
• Abstract（参考訳）: データ駆動の定量的手法を用いて、ビールカテゴリーとスタイルの新しい分類システムを開発した。 食材プロファイル,発酵パラメータ,レシピバイタル統計を考慮し,62万1,211個のビールレシピを採掘・分析した。 統計分析と自己組織化マップ (SOM) は, モルトとホップの使用パターン, スタイル特性, 歴史的醸造の伝統を示す4つの主要なスーパークラスターを同定した。 冷えた発酵スタイルは、保存的な穀物とホップの組成を示し、熱い発酵ビールは、地域的な嗜好と革新を反映して、高い不均一性を示した。 この新しい分類法は、従来の感覚に基づく分類を超えた再現性と客観的な枠組みを提供し、醸造者、研究者、教育者にレシピ分析とビール開発のためのスケーラブルなツールを提供する。 本研究の成果は, 成分使用量と発酵プロファイル, 味覚結果とを関連付けるために, ビールの多様性と開道の理解を提供するものである。

関連論文リスト

• Retrieval Augmented Recipe Generation [96.43285670458803]
  本稿では,レシピ生成のための拡張型大規模マルチモーダルモデルを提案する。 既存のデータストアからサプリメントとして、イメージにセマンティックに関連付けられたレシピを検索する。 生成したレシピ候補間の一貫性を計算し、異なる検索レシピを生成のコンテキストとして使用する。
  論文  参考訳（メタデータ） (2024-11-13T15:58:50Z)
• Enhancing Personalized Recipe Recommendation Through Multi-Class Classification [0.0]
  問題領域にはレシピレコメンデーションが含まれており、関連分析や分類といった手法を利用している。 この論文は、レシピを推薦するだけでなく、正確でパーソナライズされたレコメンデーションを達成するためのプロセスを探究する。
  論文  参考訳（メタデータ） (2024-09-16T13:21:09Z)
• A topological analysis of the space of recipes [0.0]
  本稿では、料理レシピの空間を研究するために、トポロジカルデータ分析、特に永続的ホモロジーの利用を紹介する。 特に、永続的ホモロジー分析は、既存のレシピの空間におけるマルチスケールの「穴」を取り巻く一連のレシピを提供する。
  論文  参考訳（メタデータ） (2024-06-12T01:28:16Z)
• Beer2Vec : Extracting Flavors from Reviews for Thirst-Quenching Recommandations [1.0805520579293748]
  クラフトビールの分析に焦点をあてたユニークなデータセットを用いて,本アルゴリズムを提案する。 実験的な観点からは、ビールのベクターが意味のあるレコメンデーションを生成するために、味のエンコード方法と、いかに有用かを説明します。
  論文  参考訳（メタデータ） (2022-08-04T13:33:23Z)
• Multi-Objective Evolutionary Beer Optimisation [2.8010955192967852]
  本稿では,ビールの個人化について述べる。 そこで本研究では,醸造業者が希望するビールを原料量と組み合わせにマッピングするシステムを提案する。
  論文  参考訳（メタデータ） (2022-04-06T11:52:04Z)
• Learning Structural Representations for Recipe Generation and Food Retrieval [101.97397967958722]
  本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。 提案モデルは高品質でコヒーレントなレシピを作成でき、ベンチマークRecipe1Mデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-10-04T06:36:31Z)
• Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
  食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。 ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。 本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-02T10:54:25Z)
• Dataset Bias in Few-shot Image Recognition [57.25445414402398]
  まず,基本カテゴリから学習した伝達可能能力の影響について検討する。 第2に、データセット構造と異なる少数ショット学習方法から、異なるデータセットのパフォーマンス差について検討する。
  論文  参考訳（メタデータ） (2020-08-18T14:46:23Z)
• Cooperative Bi-path Metric for Few-shot Learning [50.98891758059389]
  数発の分類問題の調査に2つの貢献をしている。 本稿では,従来の教師あり学習法において,ベースクラスで訓練されたシンプルで効果的なベースラインについて報告する。 本稿では, 基礎クラスと新しいクラス間の相関を利用して, 精度の向上を図る, 分類のための協調的二経路計量を提案する。
  論文  参考訳（メタデータ） (2020-08-10T11:28:52Z)
• Beer Organoleptic Optimisation: Utilising Swarm Intelligence and Evolutionary Computation Methods [2.8010955192967852]
  本稿では、製造工程が柔軟であるクラフトビールの特定の場合におけるビール特性の計算について述べる。 我々は、3つのSwarmインテリジェンスと進化的手法を用いて、醸造者が物理化学的性質をマッピングし、有機懐疑的な性質をターゲットとして特定の醸造を設計することができるようにします。 提案手法は、新しいレシピの発見、パーソナライゼーション、および既存のレシピの代替的な高忠実度再生を可能にする。
  論文  参考訳（メタデータ） (2020-04-07T14:39:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。