Application of machine learning techniques to the personalized recommendation of rioja red wines. Wine classification according to hedonistic tastes and score prediction

• Autores: Imanol Bilbao Quintana
• Directores de la Tesis: Javier Bilbao Landache (dir. tes.)
• Lectura: En la Universidad del País Vasco - Euskal Herriko Unibertsitatea ( España ) en 2023
• Idioma: inglés
• Programa de doctorado: Programa de Doctorado en Ingeniería de Proyectos / Project Engineering por la Universidad del País Vasco/Euskal Herriko Unibertsitatea
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
    • Probabilidad
      • Aplicación de la probabilidad
  • Química
    • Química analítica
      • Espectroscopia de masas
• Enlaces
  • Tesis en acceso abierto en: ADDI
• Resumen

  • Presenta una metodología para realizar recomendaciones individualizadas de vinos tintos deDenominación de Origen Rioja en tres etapas. En la primera, caracteriza cada uno de los vinos tintosmediante su contenido en antocianinas, derivados antociánicos y taninos a través de HPLC-MS/MS. En lasegunda, recoge la valoración guiada haciendo uso de la ficha de cata estandarizada por OIV, y agrupa deforma personalizada las puntuaciones en cuatro macro-categorías. En la tercera, aplica distintas técnicasde ML (PCA, LDA, QDA, kNN, CART, MLP y PNN) para construir clasificadores que produzcanrecomendaciones significativas de los vinos.El trabajo comprueba la viabilidad de la metodología aplicada sobre las valoraciones que dos catadoresdistintos realizan sobre los mismos vinos. Los clasificadores validados mediante validación cruzadadejando una muestra fuera (LOO) demuestran su capacidad para realizar recomendaciones negativas devinos con un porcentaje de acierto del 100% y recomendaciones positivas de los vinos con un porcentajede acierto superior al 90%.