식품 성분과 관능 데이터의 상관관계 분석 및 시각화 기법 = Correlation Analysis and Visualization Technique for Food Elements and Sensory Data

국문 초록 (Abstract)

최근 식품 분야에서 생성되는 데이터의 양과 종류가 증가함에 따라 다양한 식품 성분과 관능 데이터 간의 관계 파악을 위한 분석이 필요하다. 본 논문에서는 식품을 구성하는 성분을 분석한 식품 성분 분석 데이터와 식품의 맛과 향을 나타내는 식품 관능 데이터 사이의 상관관계를 분석하였다. 데이터를 다양한 각도에서 분석하고 시각화하기 위하여 데이터 분석 기법 중 상관관계 분석법인 스피어만 상관관계 분석(Spearman correlation coefficient)과 켄달 상관관계 분석(Kendall correlation coefficient)을 수행하였다. 또 분석 결과의 데이터를 직관적으로 파악할 수 있도록 시각화에 유용한 도구인 R을 활용하여 분석 결과를 시각화하였다.
연구에 사용된 데이터는 식품 소스 6종에 대한 12가지 관능 성분 데이터와 20개의 비휘발성 성분 데이터로 구성되어 있고, 식품 성분과 관능 데이터 간의 상관관계 분석에 대한 결과를 시각화함으로써 본 연구에서는가장 중점적으로 다루고자 하는 관능 데이터인 ‘매운향’과 식품 성분들 간의 상관관계를 직관적으로 확인할수 있었다.

다국어 초록 (Multilingual Abstract)

Recently, as the amount and type of data generated in the field of food industry are increasing, it is necessary to analyze the relationship between various food elements and sensory data. In this paper, we analyzed the correlation between food elements analysis data, which results from analyzing food ingredients, and food sensory data which indicates the taste and flavor of food. The Spearman correlation coefficient and Kendall correlation coefficient were used to analyze and visualize data from various angles. In order to intuitively understand the data of the analysis result, the analysis result is visualized using R, a useful tool for visualization. The experimental data consists of 12 sensory data and 20 nonvolatile data on 6 food sauces. By visualizing the correlation coefficient analysis between food elements and sensory data, we can intuitively confirm the correlation between the food elements and the sensory data 'spicy flavor' that we most focused on.

참고문헌 (Reference)

1 "식품안전정보포털"

2 조인동, "소셜 네트워크와 데이터 마이닝 기법을 활용한 학문 분야 중심 및 융합 키워드 추천 서비스" 한국지능정보시스템학회 17 (17): 127-138, 2011

3 센소메트릭스, "관능검사와 통계적 자료분석"

4 Dorel, Savulea, "Statistical Correlation Study" 37 (37): 35-51, 2010

5 Sebastien, Le, "SensoMineR:A package for sensory data analysis" 23 (23): 14-25, 2008

6 Rakesh, Agrawal, "Privacy-preserving data mining" ACM 29 (29): 2000

7 Christophe, Croux, "Influence functions of the Spearman and Kendall correlation measures" 19 (19): 497-515, 2010

8 Xinqing, Xiao, "Improving traceability and transparency of table grapes cold chain logistics by integrating WSN and correlation analysis" 73 : 1556-1563, 2017

9 Jan, Hauke, "Comparison of values of Pearson's and Spearman's correlation coefficients on the same sets of data" 30 (30): 87-, 2011