基于多源異構(gòu)的煙用香原料數(shù)據(jù)集構(gòu)建

宗國(guó)浩，葉遠(yuǎn)青，馮偉華，王 銳，毛鋮挺，孫世豪，崔 凱，葉 勛，張?zhí)毂?，馬 驥*

1.中國(guó)煙草總公司鄭州煙草研究院，鄭州高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)楓楊街2 號(hào) 450001

2.江蘇中煙工業(yè)有限責(zé)任公司技術(shù)中心，南京市興隆大街29 號(hào) 210019

感官品質(zhì)與香韻風(fēng)格是引導(dǎo)卷煙產(chǎn)品設(shè)計(jì)的核心要素。為了改善卷煙感官品質(zhì)、突出煙草風(fēng)格特征，卷煙企業(yè)普遍采用向煙草制品添加香精香料的方式進(jìn)行卷煙增香。隨著科技發(fā)展與進(jìn)步，煙用調(diào)香技術(shù)由傳統(tǒng)的依賴人工經(jīng)驗(yàn)逐漸向以數(shù)據(jù)作為支撐的數(shù)字化調(diào)香設(shè)計(jì)轉(zhuǎn)變［1-2］。因此，國(guó)內(nèi)外數(shù)據(jù)資源（以可公開獲取的化學(xué)品數(shù)據(jù)庫(kù)為主）對(duì)于調(diào)香工作發(fā)揮了重要作用。美國(guó)國(guó)立醫(yī)學(xué)圖書館（National Library of Medicine，NLM）構(gòu)建了一系列以生物醫(yī)學(xué)、化學(xué)、藥學(xué)為主要方向的數(shù)據(jù)庫(kù)。其中，危險(xiǎn)物質(zhì)數(shù)據(jù)庫(kù)（Hazardous Substances Data Bank，HSDB）、實(shí)驗(yàn)室化學(xué)品安全報(bào)告（Laboratory Chemical Safety Summary，LCSS）、化合物毒性數(shù)據(jù)庫(kù)（ToxNet）對(duì)評(píng)估香原料的安全性具有參考價(jià)值［3-4］。美國(guó)食品香料與萃取物制造者協(xié)會(huì)（Flavor and Extract Manufacturers Association，F(xiàn)EMA）構(gòu)建了Flavor Ingredient Library數(shù)據(jù)庫(kù)與食品香料安全性數(shù)據(jù)集GRAS（Generally Recognized As Safe）［5］。美國(guó)國(guó)立衛(wèi)生研究院（National Institutes of Health，NIH）構(gòu)建的PubChem數(shù)據(jù)庫(kù)提供了較為全面的有機(jī)小分子生物活性數(shù)據(jù)［6］。但可公開獲取的數(shù)據(jù)資源以化學(xué)品的基本信息、理化性質(zhì)、毒理毒性為主，對(duì)感官特性、作用閾值、香氣成分等與調(diào)香密切相關(guān)的信息則收錄較少，數(shù)據(jù)資源分散且難以獲取天然香原料相關(guān)信息［7-8］。由于煙草制品涉及高溫蒸餾環(huán)境下的香氣釋放過程，調(diào)香過程中需要兼顧香原料在燃燒后的香氣表現(xiàn)［9-10］。而現(xiàn)有資源難以對(duì)調(diào)香及相關(guān)技術(shù)研究提供數(shù)據(jù)支持，因缺乏面向調(diào)香應(yīng)用的綜合性香原料數(shù)據(jù)集以及適用于煙草調(diào)香的數(shù)據(jù)集，導(dǎo)致調(diào)香人員獲取、查找和利用數(shù)據(jù)困難。為此，通過對(duì)香原料數(shù)據(jù)資源進(jìn)行調(diào)研，對(duì)數(shù)據(jù)特性進(jìn)行了梳理，并從多個(gè)數(shù)據(jù)來源開展數(shù)據(jù)采集，構(gòu)建了基于多源異構(gòu)的煙用香原料數(shù)據(jù)集，建立了煙草行業(yè)單體香原料中心庫(kù)平臺(tái)，以期為煙草行業(yè)數(shù)字化調(diào)香技術(shù)發(fā)展提供支撐。

1 香原料數(shù)據(jù)資源調(diào)研

1.1 香原料數(shù)據(jù)特性

對(duì)常用香原料數(shù)據(jù)庫(kù)進(jìn)行調(diào)研，并將這些數(shù)據(jù)庫(kù)的主要數(shù)據(jù)種類進(jìn)行匯總對(duì)比，結(jié)果見表1。在數(shù)據(jù)特性方面，分子結(jié)構(gòu)、理化性質(zhì)、感官描述等信息在多個(gè)數(shù)據(jù)庫(kù)均有收錄。PubChem、Sigma-Aldrich等化學(xué)類數(shù)據(jù)庫(kù)較為全面地收錄了化學(xué)物質(zhì)的理化性質(zhì)、物質(zhì)毒性等信息；FooDB、FlavorDB 等食品類數(shù)據(jù)庫(kù)更加關(guān)注食品中的風(fēng)味成分及含量；IFRA、Flavor Ingredient Library 等由行業(yè)協(xié)會(huì)構(gòu)建的數(shù)據(jù)庫(kù)偏向于香精香料的安全評(píng)估與安全使用?？梢姡瑢?duì)于調(diào)香具有參考價(jià)值的數(shù)據(jù)資源眾多但較為分散，多數(shù)數(shù)據(jù)庫(kù)側(cè)重于某一領(lǐng)域的相關(guān)信息，而綜合性數(shù)據(jù)庫(kù)又以化學(xué)信息為主，缺乏以調(diào)香應(yīng)用為主的綜合性香原料數(shù)據(jù)庫(kù)。

表1 國(guó)內(nèi)外相關(guān)香原料數(shù)據(jù)庫(kù)信息匯總Tab.1 Summary of domestic and international databases of flavor materials

1.2 數(shù)據(jù)集構(gòu)建流程

為全面獲取對(duì)煙用調(diào)香有價(jià)值的高質(zhì)量數(shù)據(jù)，一方面從公開數(shù)據(jù)資源進(jìn)行數(shù)據(jù)采集，另一方面通過實(shí)物樣品獲取檢測(cè)數(shù)據(jù)。對(duì)采集到的數(shù)據(jù)進(jìn)行條目標(biāo)準(zhǔn)化、結(jié)構(gòu)融合、數(shù)據(jù)標(biāo)簽標(biāo)注等數(shù)據(jù)處理，最終形成結(jié)構(gòu)化的多源異構(gòu)煙用香原料數(shù)據(jù)集。數(shù)據(jù)集構(gòu)建流程見圖1。

圖1 煙用香原料數(shù)據(jù)集構(gòu)建流程Fig.1 Creation process of tobacco flavor material database

2 煙用香原料數(shù)據(jù)集構(gòu)建

2.1 數(shù)據(jù)采集

2.1.1 公開數(shù)據(jù)采集

電子圖書與期刊文獻(xiàn)中包含大量香精香料信息，其格式以PDF 文件為主。采用ABBYY 的FineReader 12 文字識(shí)別軟件對(duì)PDF 文件進(jìn)行OCR識(shí)別，從中提取與調(diào)香相關(guān)文本信息及表格數(shù)據(jù)。紙質(zhì)圖書則先通過掃描生成電子圖像，再對(duì)圖像進(jìn)行去噪、提高對(duì)比度、角度校正等處理，最終通過OCR識(shí)別提取其中數(shù)據(jù)。部分網(wǎng)站提供了數(shù)據(jù)接口及下載鏈接，可采用直接獲取與網(wǎng)頁(yè)爬蟲相結(jié)合的方式進(jìn)行采集，并將原始數(shù)據(jù)轉(zhuǎn)化為半結(jié)構(gòu)化數(shù)據(jù)，以便后續(xù)數(shù)據(jù)處理。

2.1.2 樣品檢測(cè)數(shù)據(jù)采集

煙用香原料感官評(píng)價(jià)分為嗅香香韻評(píng)價(jià)和卷煙加香作用評(píng)價(jià)。為便于在煙草行業(yè)實(shí)現(xiàn)數(shù)據(jù)共享與利用，評(píng)價(jià)指標(biāo)與評(píng)價(jià)方法分別參考《中式卷煙感官評(píng)價(jià)方法》［20］和孔波等［1］提出的數(shù)字化調(diào)香方法。嗅香香韻評(píng)價(jià)采用18個(gè)維度的評(píng)價(jià)指標(biāo)（樹脂香、干草香、清香、果香、辛香、木香、青滋香、花香、藥草香、豆香、可可香、奶香、膏香、烘焙香、焦香、酒香、甜香、酸香），量化方式為0～10 分，記分單位為1 分。卷煙加香作用評(píng)價(jià)指標(biāo)分為煙氣品質(zhì)、煙氣口感、煙氣香韻3類。其中，煙氣香韻的量化方式為0～10分，計(jì)分單位為1分；煙氣品質(zhì)與煙氣口感存在正向改善作用的記為正分，存在負(fù)向作用的記為負(fù)分，并分別劃分為無、弱、中和強(qiáng)4檔，量化方式為0～3分，計(jì)分單位為1分。評(píng)價(jià)小組由7位具有省級(jí)及以上感官評(píng)吸資格的評(píng)委組成，并在實(shí)驗(yàn)開展之前對(duì)評(píng)價(jià)小組進(jìn)行培訓(xùn)，通過計(jì)算平均值確定香原料樣品各個(gè)香韻的嗅香評(píng)價(jià)分值。

主要揮發(fā)性成分的檢測(cè)范圍包含合成香原料樣品和天然香原料樣品。采用無水乙醇直接稀釋、分散進(jìn)樣的方法提取香原料中的有效成分和單體物質(zhì)，通過GC/MS對(duì)香原料的揮發(fā)性成分進(jìn)行定性分析，篩選峰面積大、信噪比高的成分作為香原料的主要揮發(fā)性成分。天然香原料的主要非揮發(fā)性成分檢測(cè)內(nèi)容包括：水分，溶劑含量（乙醇、丙二醇、丙三醇），水溶性酸（乳酸、乙酸根、蘋果酸根、富馬酸、檸檬酸根），還原糖/總糖（還原糖、總糖），水溶性糖（阿拉伯糖醇、果糖、山梨糖醇、葡萄糖、肌糖醇、蔗糖、麥芽糖、麥芽三糖）。采用卡爾菲休法［21］檢測(cè)水分，采用GC/FID方法［22］檢測(cè)有機(jī)溶劑，采用離子色譜法［23］檢測(cè)有機(jī)酸，采用連續(xù)流動(dòng)和液相色譜相結(jié)合的方法［24］檢測(cè)糖。

2.2 數(shù)據(jù)處理

2.2.1 數(shù)據(jù)條目標(biāo)準(zhǔn)化

由于不同數(shù)據(jù)來源對(duì)香原料的命名沒有統(tǒng)一標(biāo)準(zhǔn)，導(dǎo)致原始數(shù)據(jù)中香原料名稱產(chǎn)生混淆。此外，香原料的細(xì)分種類眾多，合成香原料存在順反異構(gòu)、旋光異構(gòu)等立體異構(gòu)體，天然香原料在提取工藝、溶劑種類、原料品種、原料產(chǎn)地等方面存在差異，均可能導(dǎo)致香原料的感官特性完全不同。因此，需要確定每條數(shù)據(jù)所描述的香原料，并對(duì)不同來源中同一種香原料數(shù)據(jù)進(jìn)行整合。為保證數(shù)據(jù)整合的準(zhǔn)確性，建立了香原料條目標(biāo)準(zhǔn)（表2），依據(jù)標(biāo)準(zhǔn)逐條確認(rèn)原始數(shù)據(jù)所歸屬的香原料條目。首先，根據(jù)CAS（Chemical Abstracts Service）號(hào)、FEMA號(hào)、名稱等身份信息制定匹配規(guī)則，按規(guī)則對(duì)不同來源的香原料數(shù)據(jù)進(jìn)行模糊匹配和聚類，同一類簇視為一個(gè)待篩選的二級(jí)條目。其次，通過人工篩選過濾出因數(shù)據(jù)殘缺而指代不明的數(shù)據(jù)，挑選出使用頻率高且描述準(zhǔn)確的名稱作為二級(jí)條目名稱，并將滿足標(biāo)準(zhǔn)的數(shù)據(jù)列入二級(jí)條目。最后，根據(jù)香原料條目標(biāo)準(zhǔn)，將具有近似關(guān)系的二級(jí)條目劃分在一級(jí)條目下，并確定一級(jí)條目名稱。

表2 香原料條目標(biāo)準(zhǔn)Tab.2 Entry standards for flavor materials

2.2.2 數(shù)據(jù)結(jié)構(gòu)融合

不同來源的香原料數(shù)據(jù)包含文本、表格、數(shù)值、數(shù)組等多種數(shù)據(jù)結(jié)構(gòu)，同一種數(shù)據(jù)屬性也可能存在多種數(shù)據(jù)結(jié)構(gòu)。在香原料數(shù)據(jù)中，結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)固定、關(guān)系明確，包括化合物基本信息、嗅香評(píng)價(jià)數(shù)據(jù)、成分分析數(shù)據(jù)等；非結(jié)構(gòu)化數(shù)據(jù)包括XML 格式數(shù)據(jù)、化合物Mol 文件、色譜數(shù)據(jù)等。其中，通過圖書和期刊采集的數(shù)據(jù)多為XML格式，需要對(duì)半結(jié)構(gòu)化、表格、長(zhǎng)文本等數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理。因此，本研究中采取以下方法進(jìn)行異構(gòu)數(shù)據(jù)融合：①對(duì)于原始數(shù)據(jù)中數(shù)字形式的數(shù)據(jù)進(jìn)行數(shù)值化處理，并對(duì)計(jì)量單位進(jìn)行統(tǒng)一，如作用閾值、理化指標(biāo)等屬性的測(cè)量值以數(shù)值存儲(chǔ)，計(jì)量單位以文本存儲(chǔ)；②對(duì)于長(zhǎng)文本形式的香原料描述，在Python 3.7編程環(huán)境下采用NLTK第三方庫(kù)對(duì)文本進(jìn)行分段和分句，從分割后的文本中提取感官描述、制備方法、用途用量等信息，并錄入相應(yīng)數(shù)據(jù)表中；③對(duì)于數(shù)據(jù)內(nèi)容相同而來源不同的表格數(shù)據(jù)，采用外連接的方式進(jìn)行表格合并匯總，以提高數(shù)據(jù)的兼容性，如不同數(shù)據(jù)來源的香原料用途用量表等。

2.2.3 數(shù)據(jù)標(biāo)簽標(biāo)注

數(shù)據(jù)標(biāo)簽是指通過數(shù)據(jù)加工得到的用于注解和分類的標(biāo)注數(shù)據(jù)。通過數(shù)據(jù)標(biāo)簽?zāi)軌驅(qū)崿F(xiàn)數(shù)據(jù)快速分類，補(bǔ)充數(shù)據(jù)的支撐信息，便于對(duì)數(shù)據(jù)進(jìn)行標(biāo)簽檢索并實(shí)現(xiàn)檢索結(jié)果二次篩選，提高數(shù)據(jù)辨識(shí)度。從數(shù)據(jù)來源、數(shù)據(jù)條件、數(shù)據(jù)內(nèi)容3方面構(gòu)建標(biāo)簽，并以key-value方式進(jìn)行存儲(chǔ)，主要包括：①對(duì)數(shù)據(jù)來源進(jìn)行標(biāo)注，形成數(shù)據(jù)來源標(biāo)簽；②對(duì)數(shù)據(jù)產(chǎn)生條件進(jìn)行標(biāo)注，如理化性質(zhì)數(shù)據(jù)的實(shí)驗(yàn)環(huán)境、實(shí)驗(yàn)條件等，形成數(shù)據(jù)條件標(biāo)簽；③通過數(shù)學(xué)計(jì)算、規(guī)則判定等方式對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，形成數(shù)據(jù)內(nèi)容標(biāo)簽。以香原料樣品的嗅香香韻標(biāo)簽（表3）為例，將嗅香指標(biāo)單項(xiàng)分值處于該指標(biāo)所有分值75%分位的香原料標(biāo)記為“××香韻明顯”。

表3 嗅香香韻評(píng)價(jià)標(biāo)簽Tab.3 Evaluation labels of olfactory aroma notes

2.3 煙用香原料數(shù)據(jù)集設(shè)計(jì)

依據(jù)常用的煙用香原料制定香原料清單，采集相關(guān)數(shù)據(jù)并對(duì)信息完備、描述準(zhǔn)確的香原料數(shù)據(jù)進(jìn)行篩選，根據(jù)來源保存至數(shù)據(jù)來源表。采用Python 3.7編程語(yǔ)言進(jìn)行數(shù)據(jù)處理，通過條目標(biāo)準(zhǔn)化構(gòu)建數(shù)據(jù)條目，并建立條目與數(shù)據(jù)來源之間的映射關(guān)系。將相同屬性的數(shù)據(jù)保存至同一數(shù)據(jù)模塊表中，對(duì)存在結(jié)構(gòu)差異的數(shù)據(jù)進(jìn)行結(jié)構(gòu)轉(zhuǎn)換與數(shù)據(jù)融合?；跀?shù)據(jù)來源、數(shù)據(jù)條件、數(shù)據(jù)內(nèi)容等信息對(duì)香原料數(shù)據(jù)進(jìn)行標(biāo)簽標(biāo)注，最后對(duì)數(shù)據(jù)進(jìn)行整合，建立數(shù)據(jù)表間的關(guān)聯(lián)映射，形成煙用香原料數(shù)據(jù)集。數(shù)據(jù)表映射關(guān)系見圖2。

圖2 煙用香原料數(shù)據(jù)集的數(shù)據(jù)表映射關(guān)系Fig.2 Data relationships in tobacco flavor material dataset

如圖3所示，數(shù)據(jù)集共收錄了香原料基本性質(zhì)、感官特性和輔助參考3 類數(shù)據(jù)，劃分為10 個(gè)數(shù)據(jù)模塊。其中，香原料的基本信息及理化性質(zhì)匯總自化學(xué)類數(shù)據(jù)庫(kù)；香原料的感官描述、卷煙加香作用評(píng)價(jià)、嗅香評(píng)價(jià)、天然來源、揮發(fā)性成分、非揮發(fā)性成分等香原料感官特性數(shù)據(jù)匯總自樣品檢測(cè)數(shù)據(jù)、圖書文獻(xiàn)、香精香料類數(shù)據(jù)庫(kù)；安全信息及其他輔助參考數(shù)據(jù)匯總自化學(xué)類數(shù)據(jù)庫(kù)和圖書文獻(xiàn)。

圖3 煙用香原料數(shù)據(jù)集指標(biāo)體系結(jié)構(gòu)Fig.3 Index system of tobacco flavor material dataset

2.4 數(shù)據(jù)檢索公眾端設(shè)計(jì)

以煙用香原料數(shù)據(jù)集為基礎(chǔ)構(gòu)建數(shù)據(jù)檢索公眾端，即煙草行業(yè)香原料中心庫(kù)平臺(tái)，平臺(tái)首頁(yè)及系統(tǒng)架構(gòu)見圖4 和圖5。在數(shù)據(jù)層中，通過Kettle 開源工具實(shí)現(xiàn)數(shù)據(jù)集的ETL 處理，將數(shù)據(jù)集中的結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)至MySQL 數(shù)據(jù)庫(kù)，半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)至MongoDB數(shù)據(jù)庫(kù)。同時(shí)建立香原料數(shù)據(jù)索引體系，將數(shù)據(jù)庫(kù)中的表字段與索引體系中的索引域進(jìn)行映射，按照映射規(guī)則進(jìn)行索引與數(shù)據(jù)庫(kù)之間的同步聯(lián)動(dòng)。在組件層中，分別構(gòu)建檢索組件、布爾過濾器、統(tǒng)計(jì)組件、排序組件，在應(yīng)用層面提供多種檢索功能。

圖5 煙草行業(yè)香原料中心庫(kù)平臺(tái)系統(tǒng)架構(gòu)Fig.5 Architecture of “Tobacco Flavor Material Central Database” platform

3 數(shù)據(jù)集應(yīng)用與分析

3.1 基于煙用香原料數(shù)據(jù)集的檢索應(yīng)用

煙用香原料數(shù)據(jù)集共收錄香原料1 105 種，含5種以上數(shù)據(jù)來源的香原料條目占72%。數(shù)據(jù)檢索公眾端基于不同應(yīng)用場(chǎng)景提供了簡(jiǎn)單檢索、香氣檢索、感官作用檢索、成分檢索、筆記檢索、高級(jí)檢索6大檢索功能，見圖6。其中，簡(jiǎn)單檢索提供基于香原料名稱、CAS 號(hào)、FEMA 號(hào)等信息檢索功能，可在明確檢索目標(biāo)情況下對(duì)某一種香原料進(jìn)行檢索。香氣檢索提供兩種檢索途徑，一是通過感官描述詞對(duì)具備特定香氣的香原料進(jìn)行模糊檢索，二是基于數(shù)字化的嗅香香韻指標(biāo)對(duì)香氣組合進(jìn)行精準(zhǔn)檢索。感官作用檢索提供針對(duì)卷煙加香的香原料檢索功能，可通過數(shù)值與標(biāo)簽兩種方式基于加香后煙氣品質(zhì)、口感、香韻的作用效果進(jìn)行香原料查詢。成分檢索提供針對(duì)特定香氣成分或成分組合的檢索功能，可在香精辨別、香精仿配等應(yīng)用場(chǎng)景下查詢含有相應(yīng)成分的香原料。此外，平臺(tái)還提供筆記檢索與高級(jí)檢索功能。筆記檢索可根據(jù)香原料的批注信息進(jìn)行檢索，高級(jí)檢索可對(duì)上述檢索模塊進(jìn)行復(fù)合式檢索，實(shí)現(xiàn)多維度、深層次的香原料檢索功能，并提供香原料的詳情信息與數(shù)據(jù)可視化展示，檢索案例見表4。

圖6 煙草行業(yè)香原料中心庫(kù)平臺(tái)數(shù)據(jù)檢索模塊Fig.6 Data retrieval module in “Tobacco Flavor Material Central Database” platform

表4 數(shù)據(jù)檢索案例Tab.4 Cases of data retrieval

3.2 基于煙用香原料數(shù)據(jù)集的應(yīng)用分析

3.2.1 煙用香原料主體香型分布情況

主體香型是對(duì)香原料主要香氣特征的描述，如留蘭香油的主體香型為藥草香、薄荷香，異戊酸異戊酯的主體香型為果香。通過對(duì)數(shù)據(jù)集中1 105 種香原料進(jìn)行分析，發(fā)現(xiàn)煙用香原料涵蓋的香型分布廣泛，以果香、藥草香、辛香、花香為主體香型的香原料居多。按照香氣描述中的主體香型對(duì)香原料分布進(jìn)行統(tǒng)計(jì)（僅統(tǒng)計(jì)排名前10的主體香型），結(jié)果見圖7?？梢姡铣上阍现泄阏?9.24%，花香占22.88%，兩者占比遠(yuǎn)高于其他香型；天然香原料中排名靠前的香型為藥草香、花香和辛香。這是由于天然香原料大多來自于植物，而從植物的根、莖、葉提取的香原料大多帶有藥草香和辛香。此外，辛香、果香能夠與煙草本香相結(jié)合，這些香型的香原料在加香中也使用較多。

圖7 煙用香原料主體香型占比分布Fig.7 Proportional distributions of main aroma types of tobacco flavor materials

3.2.2 煙用香原料嗅香香韻評(píng)價(jià)得分情況

對(duì)嗅香香韻評(píng)價(jià)數(shù)據(jù)進(jìn)行分析，結(jié)果表明：煙用香原料中甜香、果香的香氣強(qiáng)度較強(qiáng)，豆香、奶香、干草香等香韻的香氣強(qiáng)度較弱。在嗅香評(píng)價(jià)方法中，每個(gè)香韻的分值區(qū)間為0～9 分，但各香韻在香氣強(qiáng)度及嗅覺沖擊力上存在差異。將各香韻的數(shù)據(jù)分布繪制成盒須圖，見圖8?？梢?，甜香得分較高且相對(duì)集中，得分中位數(shù)達(dá)到2.4 分，遠(yuǎn)高于其他香韻。果香與清香的中位數(shù)得分分別達(dá)到1.0 與0.2 分，其他香韻的中位數(shù)得分均為0或接近于0。表明甜香得1分代表該香原料的甜香弱于大部分香原料，而膏香得1 分則代表該香原料的膏香高于大部分香原料。從圖8中的離群值還可以看出，部分香韻存在較強(qiáng)的香氣強(qiáng)度，如酸香的最大值為8.5 分，辛香的最大值為7.5 分，而清香、膏香、奶香、干草香的最大值均不超過5分，這可能是不同香韻的嗅覺沖擊力存在差異所致。利用2.2.3節(jié)所述方法對(duì)單項(xiàng)指標(biāo)高于上四分位數(shù)的香原料進(jìn)行標(biāo)簽標(biāo)注，如乙基麥芽酚被標(biāo)記為“焦香明顯”“奶香明顯”“甜香明顯”“烘焙香明顯”4個(gè)標(biāo)簽，以提高香原料的辨識(shí)度。

圖8 嗅香香韻評(píng)價(jià)數(shù)據(jù)分布Fig.8 Distribution of evaluation data of olfactory aroma notes

3.2.3 不同香韻的煙用香原料加香作用分析

通過對(duì)香原料香韻與卷煙加香作用之間的關(guān)聯(lián)性進(jìn)行分析，以驗(yàn)證數(shù)據(jù)的可用性。結(jié)合香原料的卷煙加香作用指標(biāo)與嗅香香韻評(píng)價(jià)指標(biāo)進(jìn)行線性相關(guān)分析，計(jì)算兩兩指標(biāo)之間的皮爾遜相關(guān)系數(shù)r，0.2≤|r|<0.4 時(shí)表示存在弱相關(guān)，0≤|r|<0.2 時(shí)表示存在極弱相關(guān)或無相關(guān)。由圖9可見，指標(biāo)間的整體相關(guān)性較弱，但部分指標(biāo)間存在一定相關(guān)性。在煙氣口感方面，清香、甜香、花香、果香對(duì)口感特性整體上呈微弱正相關(guān)，青滋香、藥草香、奶香、豆香、可可香、烘焙香、焦香對(duì)各項(xiàng)口感指標(biāo)幾乎無正向作用，清香與甜香對(duì)口感柔和具有改善效果。在煙氣品質(zhì)特性方面，干草香、烘焙香、焦香與煙氣濃度具有相關(guān)性，主要由于香韻與煙草燃燒后的特征香韻相吻合，故卷煙加香后呈現(xiàn)煙氣濃度提升的感官效果?；ㄏ恪⒐?、青滋香對(duì)煙氣濃度存在負(fù)向作用，而甜香、清香、干草香對(duì)提升香氣質(zhì)與香氣量有積極作用。綜上可見，基于數(shù)據(jù)集所體現(xiàn)的卷煙加香規(guī)律與實(shí)際經(jīng)驗(yàn)整體相符合。

圖9 嗅香香韻評(píng)價(jià)與卷煙加香作用之間的線性關(guān)聯(lián)分析Fig.9 Linear correlation analysis between olfactory aroma note evaluation and cigarette flavoring effects

4 結(jié)論

建立了基于多源異構(gòu)的煙用香原料數(shù)據(jù)集，涵蓋1 105種香原料，包含基本信息、理化性質(zhì)、感官描述、嗅香評(píng)價(jià)、卷煙加香作用、天然來源、揮發(fā)性成分、非揮發(fā)性成分、安全信息及其他共10 個(gè)數(shù)據(jù)模塊，能夠從多維度提供煙用調(diào)香數(shù)據(jù)。通過對(duì)主體香型分布、嗅香香韻分布、香韻與卷煙加香作用之間的關(guān)聯(lián)性進(jìn)行分析，結(jié)果顯示該數(shù)據(jù)集能夠體現(xiàn)煙用香原料的特征，應(yīng)用分析得到的卷煙加香規(guī)律與實(shí)際經(jīng)驗(yàn)整體相符合?；跀?shù)據(jù)集建立了煙草行業(yè)香原料中心庫(kù)平臺(tái)，可提供香氣、感官作用、成分等多種檢索功能，2022年平臺(tái)檢索量達(dá)到15 000余次/年，有效解決了香原料數(shù)據(jù)查找難、獲取難、使用難等問題，對(duì)于推動(dòng)煙草數(shù)字化調(diào)香技術(shù)發(fā)展發(fā)揮了積極作用。