「におい」を同定する能力を検査する方法は国内外に既存であるが、日本人向けに開発され、耳鼻咽喉科のみならず様々な分野で今日広く用いられている嗅覚検査で取り上げられている「におい」の種類については、選別されてから30年近く経過し、現代の日本人の「におい」の同定能力を検査するために、必要条件を満たしていない可能性も考えられる。本研究では、機械学習法を取り入れ、ビッグデータとディープデータから、より精度高く現代の日本人の生活に定着している、または関わりの強い「におい」刺激を選定することを目標としている。そのためににおいの語彙を収集して、現代の日本の社会における「におい」の種類の体系化を図り、現代の日本人のにおいを同定する能力を適切に検査するための嗅覚刺激（におい）を網羅的に選定する。
ビッグデータの解析としては、国立情報学研究所を通じて研究者に提供されている「楽天データセット」から2015年～2019年の5年間の「楽天市場：商品情報，みんなのレビュー・口コミ情報のデータ」（総数69624575件）を使用し、そこから、特定の文字列を含む「におい」レビューを抽出した（総計619841件）。次に、これらのレビュー文からmecab-ipadic-NEologdを用いて形態素解析を行い、名詞を抽出した。ターゲット単語のうち漢字/カタカナ/ひらがな/アルフベット/半角/全角で分かれて抽出されたものをそれぞれ最も多い表記法に統一して「ニオイ単語」（総数14579語）として整理した。ニオイ単語とレビューの投稿時間のデータから自己組織化マップを作成し、クラスターの生成やその継時変化について分析を開始した。
ディープデータの収集としては、100名の10代から60代の男女から、朝から就寝までの1日の間に経験した「におい」をLINEで逐次報告を求め、実際の生活の中で接するにおいについて分析を開始した。