序



第一章 推薦演算之一：關聯規則與購物籃分析

第一節 交易記錄資料與基礎測量

第二節 關聯規則演算法之一：Apriori

第三節 其他方法



第二章 推薦演算之二：評分資料分析Real Rating

第一節 Real Rating 資料處理

第二節 協同演算法Collaborative Filtering



第三章 感官資料量化分析：ANOVA 方法

第一節 品鑑者角度的感官品鑑：單維度屬性清單

第二節 ANOVA 之一：使用panelperf()

第三節 ANOVA 之二：使用paneliperf()



第四章 商品角度的感官評分之一：單維度屬性清單

第一節 資料

第二節 主成分方法簡介

第三節 adjmean 的主成分分析

第四節 集群分析方法

第五節 adjmean 的集群分析之一：階層式集群樹狀圖

第六節 adjmean 的集群分析之二：K-means 方法



第五章 商品角度的感官評分之二：屬性的多重清單

第一節 利用MFA 建構商品空間

第二節 從Group 角度的整合與詮釋

第三節 資料練習—酒的感官饗宴



第六章 大家一起來按讚：消費者品鑑

第一節 享樂分數資料分析

第二節 當消費者喜好Liking 遇到專家評分Rating

第三節 消費者接受性分析之一：JAR 資料

第四節 消費者接受性分析之二：IPM 資料



?

序



　　感官評分的資料科學

　　推薦系統與產品分析



　　這本書針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。本書涵蓋的第一種評分資料是消費者對電影、音樂或書籍等商品的滿意度評分(Liking)；本書將介紹如何利用相似度矩陣執行協同演算法，來建立推薦系統。第二種則牽涉商品感官屬性的調查資料，例如，雞尾酒成分、口紅色調，和香水香調等商品屬性的評分；本書將透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？



　　在我有限的認知下，台灣相關感官資料分析的書至少有兩本，分別是楊士慶與陳耀茂(2018) 的《感官檢查統計分析》和劉伯康與莊朝琪(2020) 的《食品感官品評》。這兩書內容已涵蓋不少主題，因此，若兩書已有詳盡說明，本書就不列為主題，例如，CATA 分析在楊士慶與陳耀茂(2018) 有專章，我就不選入。劉伯康與莊朝琪(2020)有完整的調查方法與實驗設計解說，若讀者有意於此，應該參考此書。這兩本書對我幫助十分巨大，必須對作者致上敬意。除此，感官資料另一類涉及文字資料的處理與分析，因此涵蓋篇幅過大，暫不列為本書主題。



　　本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料(know your data) 深入感官資料分析的方法。

　

　　感官資料的應用不止在於市場調查（商品），在民意調查，將公眾人物的屬性定義好，依然可以回答類似問題：公眾人物的哪些屬性，最受選民歡迎？中間選民的特徵為何？

?