2025年中国香道AI香方编程师认证考试题库附答案

2025年中国香道AI香方编程师认证考试题库附答案一、单项选择题（每题2分，共40分）1.以下哪种香材属于“沉水香”范畴？A.海南黎母山生结沉香（密度1.05g/cm³）B.越南芽庄熟结奇楠（密度0.92g/cm³）C.印尼加里曼丹壳沉（密度0.88g/cm³）D.马来西亚东马蚁沉（密度0.75g/cm³）答案：A（沉水香需密度≥1.0g/cm³，奇楠因油脂含挥发物质多，部分品种密度可能低于1.0仍可沉水，但常规判断以1.0为界）2.在AI香方编程中，处理“辛温香材（如桂枝）与寒凉香材（如薄荷）”配伍冲突时，最有效的算法是？A.决策树分类算法B.协同过滤推荐算法C.约束满足问题（CSP）求解器D.随机森林回归模型答案：C（CSP可通过定义香材属性约束条件，直接检测并解决配伍冲突）3.传统合香“隔火熏香”工艺中，炭饼温度需控制在？A.80-120℃B.150-200℃C.250-300℃D.350-400℃答案：B（温度过低无法激发香材香气，过高易焦糊，150-200℃为最佳挥发区间）4.香感数据标注中，“甜韵”的二级分类不包括？A.蜜甜B.果香甜C.药甜D.木甜答案：C（甜韵二级分类通常为蜜甜、果香甜、木甜，药甜属于“甘韵”分支）5.训练香方推荐模型时，若用户历史用香数据稀疏，应优先采用？A.基于内容的推荐（Content-based）B.矩阵分解（MatrixFactorization）C.深度学习（DeepLearning）D.关联规则挖掘（Apriori）答案：A（数据稀疏时，基于香材属性的内容推荐比协同过滤更稳定）6.以下哪种香材炮制方法会改变其主要化学成分？A.檀香劈成细条（物理切割）B.乳香水飞除杂（水洗去沙）C.艾草低温冻干（-50℃冷冻干燥）D.降真香醋炙（加醋炒制）答案：D（醋炙属于化学炮制，醋酸会与香材中的萜类化合物发生酯化反应）7.香方“君臣佐使”结构中，“佐药”的核心作用是？A.主导香韵走向B.辅助主香发挥C.制约主香偏性D.提升整体持香答案：C（佐药主要用于调和主香与臣香的烈性或偏性，如用甘草调和诸药）8.构建香材挥发油成分数据库时，关键检测设备是？A.电子鼻（E-nose）B.气相色谱-质谱联用仪（GC-MS）C.红外光谱仪（IR）D.高效液相色谱仪（HPLC）答案：B（GC-MS可精确分离并鉴定挥发油中的单一组分及含量）9.用户需求“安神助眠，适合阴虚体质”对应的香材属性权重优先级应为？A.挥发性＞辛散性＞温性B.舒缓性＞收敛性＞平性C.开窍性＞燥湿性＞热性D.芳香性＞辛温性＞升浮性答案：B（阴虚需收敛，助眠需舒缓，平性避免燥热伤阴）10.在AI提供香方时，若需模拟“窖藏熟化”效果，应重点优化哪个参数？A.香材配比精度（小数点后3位）B.挥发速率梯度（前调/中调/后调比例）C.成分相互作用系数（如萜烯-酚类反应常数）D.香材产地编码（经纬度坐标映射）答案：C（窖藏熟化本质是香材成分缓慢化学反应，需建模成分间反应系数）11.以下哪项不属于“香道AI编程师”核心能力？A.香材本草学知识（如《香乘》《香谱》解读）B.Python/C++编程（实现推荐算法）C.香道文化史（如唐宋合香流派演变）D.香道器具操作（如篆香打拓技法）答案：D（认证侧重AI编程与香方设计，器具操作属传统香道师技能）12.香感量化中，“凉感强度”的客观测量指标是？A.薄荷醇含量（mg/g）B.触觉神经受体TRPM8激活度C.鼻腔温度变化（℃）D.主观评分（1-10分）答案：B（TRPM8是感知清凉的主要离子通道，激活度可直接量化凉感）13.训练香方提供模型时，若出现“过拟合”现象，最有效的解决方法是？A.增加训练数据量B.减少隐藏层神经元数量C.提高学习率D.添加L2正则化项答案：D（过拟合时正则化比单纯增加数据更有效，L2可约束模型复杂度）14.传统“和香”与“合香”的本质区别是？A.和香用天然香材，合香可加化学香料B.和香强调香韵和谐，合香侧重功效配伍C.和香是单方香材，合香是复方配伍D.和香用于祭祀，合香用于日常答案：B（和香源于“和”的哲学，追求香韵圆融；合香更注重药性组合）15.香方稳定性测试中，“热储试验”的标准条件是？A.40℃±2℃，72小时B.55℃±2℃，48小时C.60℃±2℃，24小时D.70℃±2℃，12小时答案：A（参照《QB/T1858.1-2021香水》热储标准，40℃72小时模拟高温环境）16.AI香方系统中，“用户画像”的核心维度不包括？A.体质特征（如湿热/阴虚）B.用香场景（如办公/睡眠）C.香韵偏好（如线性/复合）D.香材价格敏感度答案：D（价格属商业维度，认证考试侧重香方技术维度）17.以下哪种香材组合符合“相须”配伍原则？A.沉香+檀香（增强甜雅韵）B.麝香+龙脑（增强开窍力）C.丁香+郁金（制约丁香辛燥）D.藿香+佩兰（协同化湿）答案：D（相须指同类香材协同增效，藿香佩兰均为化湿药，配伍增强功效）18.香感数据标注时，“层次复杂度”的三级分类是？A.单一-线性-复合B.前调-中调-后调C.清新-浓郁-醇厚D.冷感-温感-平衡答案：A（层次复杂度从简单到复杂分为单一（仅1种主韵）、线性（主韵渐变）、复合（多韵交织））19.开发香方提供模型时，若需保留传统香方“药香同源”特性，应优先引入？A.卷积神经网络（CNN）B.图神经网络（GNN）C.循环神经网络（RNN）D.提供对抗网络（GAN）答案：B（GNN可建模香材间的配伍关系图，保留传统配伍经验）20.香道AI系统中，“香材冲突预警”的触发条件是？A.香材产地不同（如海南沉香+印尼沉香）B.挥发油成分重叠率＞60%C.性味归经相反（如大辛大热+大寒大凉）D.价格差超过10倍答案：C（核心冲突是性味归经相反，可能导致人体不适或香韵失衡）二、多项选择题（每题3分，共30分，少选得1分，错选不得分）1.以下属于“香材炮制目的”的有？A.去除杂质（如乳香去沙）B.改变药性（如半夏制后减毒）C.增强香气（如蜜炙甘草）D.便于存储（如低温干燥防霉变）答案：ABCD（炮制涵盖除杂、改性、增香、保质多重目的）2.AI香方编程中，“香感数据标注”需遵循的原则包括？A.多维度标注（如气味/功效/体感）B.主观与客观结合（如评分+仪器数据）C.动态更新（随香材陈化调整标注）D.地域统一（避免南北嗅觉差异）答案：ABC（D错误，标注需保留地域差异，反映真实用香习惯）3.传统香方“鹅梨帐中香”的核心组成包括？A.沉香B.鹅梨汁C.龙脑D.檀香答案：AB（原方以沉香为主，用鹅梨汁调和，龙脑非核心）4.香方持香时间的影响因素有？A.香材挥发油沸点（沸点越高越持久）B.香材颗粒大小（颗粒越小挥发越快）C.环境湿度（湿度大抑制挥发）D.配伍比例（高沸点香材占比）答案：ABCD（四者均直接影响持香时间）5.训练香方推荐模型时，常用的评估指标有？A.准确率（Precision）B.用户满意度（主观评分）C.香韵和谐度（专家评分）D.计算耗时（推理速度）答案：ABCD（需兼顾模型效果与实用性）6.以下属于“香道AI伦理问题”的有？A.用户香感偏好数据泄露B.替代传统香道师就业C.提供有害香方（如孕妇禁忌）D.过度依赖算法忽视文化内涵答案：ACD（B属社会影响，非直接伦理问题）7.香材“辛温”属性对应的功效包括？A.发散风寒B.温通经络C.清热解暑D.收敛止汗答案：AB（辛温主发散、温通，CD属寒凉/收敛属性）8.AI优化香方时，可引入的外部数据包括？A.气象数据（如湿度/温度）B.中医体质数据库C.香材年产量（影响可及性）D.社交媒体香评（用户反馈）答案：ABD（C属供应链问题，非香方优化核心数据）9.香道AI系统的“香方验证”流程包括？A.成分安全性检测（如重金属含量）B.香韵实测（调香师盲评）C.功效验证（如助眠效果临床试验）D.成本核算（原料价格）答案：ABC（D属商业环节，非技术验证）10.以下香材组合中，存在“相恶”配伍的有？A.人参+莱菔子（莱菔子削弱人参补气）B.肉桂+赤石脂（降低肉桂温肾效果）C.丁香+郁金（引发脘腹不适）D.陈皮+半夏（增强燥湿化痰）答案：AB（相恶指一方削弱另一方功效，C属“相反”，D属“相须”）三、判断题（每题1分，共10分，正确√，错误×）1.奇楠沉香因油脂含量高，其沉水判断标准与普通沉香相同（×，奇楠含大量挥发油，部分密度＜1.0仍可沉水）2.AI香方编程中，LSTM模型适合处理“香材添加顺序”的时序数据（√，LSTM擅长捕捉时间序列特征）3.所有香材均需干燥处理，含水量应＜5%（×，如艾草需保留部分水分以维持挥发油活性）4.香感数据标注时，“青草香”属于“植物香韵”一级分类（√，植物香韵包含青草、花香、木香等）5.传统“隔火熏香”中，香灰需用松针灰，因其导热均匀（×，优质香灰多用香樟木灰或石灰+稻壳灰）6.香方“君臣佐使”中，“使药”的作用是引导香韵到达特定部位（√，如桔梗引药上行）7.训练香方提供模型时，数据增强可通过“香材等功效替换”实现（√，如用降香替换沉香，保持功效不变）8.香材“毒性”标注只需考虑单一成分，无需考虑配伍后反应（×，部分香材单独无毒，配伍后可能产生毒性）9.电子鼻（E-nose）可直接输出“甜韵”“凉感”等主观描述（×，电子鼻输出是传感器响应值，需结合算法转换为主观描述）10.香道AI系统中，“用户需求”的自然语言处理（NLP）需重点识别“场景”“功效”“偏好”三个要素（√，这是提供香方的核心输入）四、简答题（每题6分，共30分）1.简述传统香方“四和香”的经典组成及AI优化方向。答案：传统四和香由沉香、檀香、龙脑、麝香组成，取“沉檀龙麝”四香和合之意。AI优化方向：①替代稀有香材（如用人工麝香替代天然麝香）；②调整比例以适应现代用香习惯（如降低龙脑清凉感，增加檀香甜雅度）；③加入功效约束（如针对“办公提神”场景强化薄荷脑等成分）；④预测陈化效果（通过成分反应模型模拟窖藏1年的香韵变化）。2.说明香感数据标注的三级分类体系，并举例说明。答案：三级分类体系为：一级（大类）-二级（中类）-三级（小类）。例如：①植物香韵（一级）→花香（二级）→玫瑰香/茉莉香（三级）；②动物香韵（一级）→脂香（二级）→麝香/龙涎香（三级）；③矿物香韵（一级）→土香（二级）→泥香/陶香（三级）；④复合香韵（一级）→药香（二级）→甘苦药香/辛凉药香（三级）。标注时需同时记录主观描述（如“清甜玫瑰”）与客观数据（如苯乙醇含量0.3%）。3.列举AI香方编程中处理“用户模糊需求”的3种方法，并说明原理。答案：①需求扩展法：通过词向量模型（如Word2Vec）找到“模糊词”的近义词（如“淡雅”扩展为“低浓度”“线性香韵”）；②约束松弛法：设定需求阈值（如“助眠”转化为“舒缓性≥0.8，刺激性≤0.3”）；③对话交互法：系统主动提问（如“您说的‘淡雅’是指前调弱还是整体浓度低？”），逐步明确需求；④案例匹配法：从历史数据库中检索相似需求的成功香方，提取关键特征。4.解释“香材-功效-香韵”三元关系模型，并说明其在AI香方提供中的作用。答案：三元模型指香材（A）通过自身成分（如挥发油）产生功效（B，如安神）和香韵（C，如甜润），三者构成A→B、A→C、B↔C的关联网络。作用：①约束提供香方的功效与香韵一致性（如安神功效需对应舒缓香韵）；②避免功效冲突（如提神香材与助眠香材不可同用）；③优化香韵层次（根据功效需求分配前/中/后调香材）；④支持可解释性（输出“因需安神，选用薰衣草（功效分0.9），其香韵为草本甜（匹配度0.85）”）。5.简述“香方稳定性测试”的完整流程及关键指标。答案：流程：①常温测试（25℃±2℃，30天）→观察是否分层、变色；②高温测试（40℃±2℃，72小时）→检测挥发油损失率；③低温测试（-10℃±2℃，24小时）→观察是否凝固、结晶；④光照测试（紫外光5000lux，48小时）→评估氧化变色程度；⑤加速陈化测试（60℃±2℃，14天模拟1年陈化）→分析成分变化。关键指标：挥发油保留率（≥90%）、pH值变化（±0.5内）、感官评分（与初始值偏差＜15%）、有害成分提供（如过氧化物＜0.1%）。五、案例分析题（每题10分，共20分）案例1：用户需求为“秋季用香，需缓解秋燥（咽干、皮肤干），香韵偏好‘清润甜雅’，无香材过敏史”。请设计AI提供香方的步骤，并说明每一步的关键操作。答案：步骤1：需求解析。提取关键词：季节（秋）、功效（缓解秋燥）、香韵（清润甜雅）。关键操作：调用季节-香材关联模型（秋季对应润肺、生津香材），功效映射（秋燥需滋阴、润燥，对应百合、麦冬等），香韵约束（清润=低刺激+微凉感，甜雅=蜜甜+轻木甜）。步骤2：香材筛选。基于功效数据库，初筛滋阴类香材（如百合、玉竹、麦冬）、润燥类（如蜂蜜、银耳）、辅助类（如檀香、沉香提供甜雅韵）。关键操作：排除辛温香材（如桂枝、生姜），避免加重干燥；限制挥发性过高香材（如薄荷，防止凉感过强）。步骤3：配伍优化。应用CSP算法解决冲突：①百合（寒性）与檀香（温性）配伍需调整比例（百合:檀香=3:1，平衡寒热）；②蜂蜜（高粘度）需与低粘度香材（如玉竹）混合，避免成团。关键操作：引入持