OdorNet统一9000种分子的气味标签

Scientific Data 10月2日发布OdorNet，研究团队用统计共现、调香知识和AI语义对齐组成SEA分类框架，处理跨来源标签不一致、同义词重复与分布偏斜。数据集汇总1960至2021年的学术文献和开放数据库，包含2万多条记录、9000种独特分子，并把杂乱气味描述整理成统一的层级词汇。技术验证中，同一基线模型在OdorNet上使用SEA标签后Macro F1达到0.42，高于常用气味数据集以及不使用该分类体系的OdorNet版本。它为数字气味编辑与人机交互提供基础，但0.42也说明结构到气味的学习仍远未解决。