《Beverages》：Suitability of Alternative Approaches to Extracting Wine Sensory Insights from Text Data: A Case Study in Champagne Wines
编辑推荐：
在葡萄酒感官评价中，将先进数据分析技术与传统方法相结合对于应对挑战和改进实际应用至关重要。当前工作探索了一些创新的文本挖掘方法，用于从多种来源获取感官信息。一个值得关注的方面是通过自动化处理（例如自然语言处理/NLP）创建专用词典和词汇表，从而将原始文本数据转
在葡萄酒感官评价中，将先进数据分析技术与传统方法相结合对于应对挑战和改进实际应用至关重要。当前工作探索了一些创新的文本挖掘方法，用于从多种来源获取感官信息。一个值得关注的方面是通过自动化处理（例如自然语言处理/NLP）创建专用词典和词汇表，从而将原始文本数据转换为专家可理解的标准化感官术语。在此背景下，程序化处理指自动化提取、转换、整合和分析感官数据，显著减少人为错误，并实现高效处理大量数据，这是仅靠手动处理无法实现的。该方法通过多种数据源加以说明，例如结构化数据库类型（如来自葡萄酒销售商）以及来自感官和消费者研究出版物的开源数据。该手稿引入了利用耦合管道获取洞察的新方法，这些管道包括降维（多重对应分析/MCA）、聚类分析（潜在语义分析/LSA）和可视化工具（网络分析、弦图、词维恩图）。该手稿旨在为感官专家提供实用工具和新见解，帮助其利用文本数据提升评估技术，展示了先进分析技术在提取相关感官信息方面的多样性。这些工具使用开源语言（如Python和R）实现，并可进一步应用于不同产品领域。
**论文解读：从文本数据中提取葡萄酒感官洞察的替代方法适用性——以香槟葡萄酒为例**
**研究背景与问题**
在葡萄酒感官科学领域，语言是衡量品质的关键指标。传统感官评估采用结构化方法，如描述性分析，其感官词汇表简洁且有限，通常针对特定产品集合定制，但属性列表长度和呈现顺序会影响评估结果。另一方面，非结构化语言（如文本数据）通过数据挖掘策略可将原始文本转化为结构化元数据，从而整合词汇表开发与感官空间表征。然而，当前酿酒学中文本与数据挖掘及自然语言处理（NLP）的研究尚不广泛。现有研究虽展示了文本数据在感官空间建模、葡萄酒风格预测、感知与概念属性对齐（如葡萄酒矿物质风味）及市场消费者洞察等方面的潜力，但存在以下问题：分析方法多样且孤立应用，缺乏对共同数据集的直接比较；新型可视化工具带来的解读挑战；以及若结合自动化策略处理大数据集所需的编程知识。此外，当文本挖掘应用于传统感官方法数据时，样本量是限制因素。目前尚无研究在酿酒学背景下直接比较这些分析方法。因此，研究人员开展本研究，旨在评估已建立的方法（多重对应分析/MCA、凝聚层次聚类/AHC）、近期报道的方法（潜在语义分析/LSA、网络分析、词维恩图）以及新引入的方法（弦图）在从葡萄酒文本数据中提取感官洞察方面的互补性，以81款香槟葡萄酒的香气描述为案例，比较结构化与非结构化数据策略在表征感官空间及区分年份（Vintage/V）与非年份（Non-Vintage/NV）产品类别方面的相对优势。该论文发表在《Beverages》期刊。
**关键技术方法**
研究人员采用来自Systembolaget网站（瑞典国有酒类零售垄断企业）的81款香槟葡萄酒的香气描述文本数据，分为年份（V，n=21）和非年份（NV，n=60）两类。数据通过自然语言处理（NLP）管道处理：包括预处理（去除符号、享乐性术语和强度相关描述符）、标记化（基于N-gram语言模型，包含一元词、二元词、三元词）、文本标准化（拼写检查、词干提取、词形还原）以及手动干预（确保语义一致性）。处理后分别构建两种并行格式：结构化分析采用存在/缺失二值矩阵；非结构化分析采用词频向量表示。主要方法包括：结构化方法——多重对应分析（MCA）探索样本与定性变量关系，凝聚层次聚类（AHC）基于MCA坐标进行聚类，潜在语义分析（LSA）优先考虑词-词关联；非结构化方法——词维恩图（结合维恩图与词云，基于引用频率/FoC）、弦图（基于共现矩阵，弦宽正比于共现频率）、网络图（基于共现矩阵，采用Louvain社区检测方法）。所有非结构化方法使用Python开源库实现。
**研究结果**
**3.1 结构化数据方法**
- **MCA**：前两个主成分累积解释方差（EV%）为27.9%，V与NV葡萄酒在感官空间上重叠，但NV葡萄酒变异性更大。NV中位于F1负侧的样本与“herbs”、“fruity”、“citrus peel”等属性关联，而V中F1正侧贡献最大的属性为“ripe”、“walnut”、“apricot jam”。F2上“cask”和“toasted nuts”贡献最大。由于超过5个主成分后各成分解释方差低于5%，该方法对结果的高效解读受限。
- **LSA**：识别出7个主题，累积解释方差69.5%。主题1（33.7% EV）包含13个属性，结合陈年相关香气（“toast”、“honey”）与水果香气（“yellow apple”、“yellow pear”）及“mineral”和柑橘类术语，解释了59款葡萄酒，包括所有V葡萄酒，表明年份香槟共享核心香气轮廓；38款NV葡萄酒也属于该主题，显示两类在此分析层面有显著重叠。主题2（9.9% EV）代表10款由较新鲜属性描述的葡萄酒。其余主题各贡献低于10%方差。
- **AHC与LSA对比**：AHC在MCA坐标上划分出4个聚类，聚类1包含大多数属性（n=45），这些属性在LSA中分布于全部7个主题；聚类3（“ripe”、“apricot jam”、“walnut”）直接对应LSA主题2；聚类2和4则分散于多个LSA主题。这表明AHC基于属性对样本方差的共同贡献进行分组，而LSA基于属性在文档中的共现模式分组，与方差贡献无关。LSA可用更少维度解析出更可解释的分组，而MCA需更多组件才能捕获等效方差。
**3.2 非结构化数据方法**
- **词维恩图**：V葡萄酒有6个独有属性（“walnut”、“nectarine”、“ripe”、“apricot jam”、“yellow pear”、“spice”），NV有24个独有属性，共享属性24个。共享属性中“mineral”、“toast”、“orange”、“fruity”引用频率最高，表明它们是香槟葡萄酒的核心描述符，但词维恩图无法分辨共享属性在两类别中的权重是否相同。
- **弦图**：V葡萄酒中，“mineral”、“toast”、“orange”、“red apple”具有高引用频率、多样共现及彼此强关联；NV葡萄酒中，“fruity”除高引用频率和多样连接外，与31个属性共现，主要为具体水果描述符，而V中“fruity”仅与9个属性连接，主要为“orange”和“red apple”。这表明“fruity”在NV中通过更广泛具体的词汇描述，在V中则表现为更受限的关联集合。
- **网络图**：V葡萄酒识别出4个社区，核心属性“mineral”、“toast”、“orange”、“red apple”位于同一社区并具强共现连接，可能代表大多数V葡萄酒的核心香气轮廓；边缘属性如“ripe”、“apricot jam”、“walnut”彼此相连但引用频率低，可能代表一个连贯的感官维度。NV葡萄酒识别出3个社区：社区1包含“fruity”、“mineral”与“light bread”、“citrus”、“green apple”等；社区2包含“toast”、“orange”与“nougat”、“red apple”、“chocolate”等；社区3包含“yellow apple”与“marzipan”、“dried apricot”、“cask”等，可能代表不同的NV香槟风格（新鲜柑橘型、陈年烘烤型、丰富果干坚果型）。
**讨论与结论**
讨论部分总结了方法互补性：结构化方法（MCA、LSA）捕获感官空间的整体结构，但将属性视为等同；非结构化方法（词维恩图、弦图、网络图）通过引用频率、重叠/独有术语及共现信息增加了关系的量级、多样性和特异性。两者结合从“哪些属性描述哪些葡萄酒”转向“属性之间如何关联及其对产品的启示”。以“fruity”为例，连续方法揭示了其在不同类别中的差异化功能：在V中，水果味通过具体水果属性表达，使通用术语“fruity”必要性降低；在NV中，它可能表示更宽泛、分化较少的感知。此外，识别出三种共现关联类型：高引用频率属性间的核心身份关联、高引用频率与低引用频率属性间的子风格分化关联、低引用频率属性间的潜在感官维度关联。研究为主旨提供了方法选择指导：MCA适用于识别主要变异维度；LSA适用于解释性分区；词维恩图适用于识别共享/独有属性；弦图适用于探索属性间关系强度；网络图适用于映射完整关系结构。
研究结论翻译如下：本研究比较了已建立、近期报道及新引入的分析方法，用于从葡萄酒文本数据中提取感官洞察，以81款香槟葡萄酒的香气描述为案例。比较表明，结构化方法（MCA、AHC、LSA）与非结构化方法（词维恩图、弦图、网络图）并非可互换而是互补的替代方案：前者捕获感官空间的结构，后者解析空间内属性关系的细节。本工作得出一些关键成果：首先，单一方法无法回答所有分析问题；组合方法对香槟香气空间的表征比任何单一工具更完整，包括识别核心类别描述符、子风格分化及潜在感官维度。其次，基于共现的工具（弦图、网络图）特别适用于揭示共享属性在不同产品类别中的不同功能，正如“fruity”一词在年份与非年份葡萄酒中的差异化表现所示。最后，此处识别出的属性间关联类型（区分核心身份关联、子风格标记及潜在维度）提供了一个可重复使用的框架，可应用于该特定产品空间之外。这些发现为感官专家和葡萄酒科学家在选择基于文本的感官数据分析方法时提供了初步实践指导：方法选择应由所问问题的本质驱动，而非惯例或工具可用性。所有非结构化方法的开源实现支持不同研究小组和产品类别之间的可访问性和可重复性。
