对词典的需求产生于食品制造业的复杂需求。制造商可能需要在多个地区评估相同的产品，需要衔接产业链的研发、制造和营销等各个环节，并且需要在不同的受众之间进行清晰的沟通。因此，感官科学家需要研究有效的工具来与非专业性的商业人群沟通，感官词典应运而生。词典使产品开发人员和其他产品研究人员能够理解产品的属性，这在产品开发、产品维护、质量控制和保质期研究中都有应用。
一、建立词典的流程
二、样品及人员准备
01样品的收集
样本集的规模取决于产品类别和研究目的。一般来说，样本集应足够大，以便公平地反映整个产品类别。样本集的适当规模取决于产品类别。有些特殊类别样品，如酱油、碳酸饮料等，产品规模很大，对每一个品牌和类型进行抽样是不切实际和多余的，需要从市场中挑选有代表性的样品进行分析。
02样品准备及感官评定程序
感官品评样品的准备包括样品制备、样品编码和样品呈送。一致的样品制备和呈送能最大限度地减少评估过程中的潜在偏差。良好的实验方案需保证样品的外观和呈送温度保持标准化处理。样品的制备要求控制样品均一性、样品量、样品的温度和器皿。为了更直观地观察样品的外观、颜色等，研究人员常将固体样品外形处理为相同大小、相同形状，液体样品通常用相同的透明容器盛装相同体积的样品。
03小组成员
很多词典在开发时并不需要很多成员，10人以下的小组居多，但对成员的感官评价经验有很高的要求，如经过120h的描述性感官训练，并拥有1000或2000h感官描述经验。
如果没有一个经验丰富的品评小组，需要从头开始建立一个小组。这方面工作包括成员的招募、筛选和培训等。小组成员的选择在所有描述性分析中都很重要，尤其是在词典开发中。小组成员应该具有高度的感官敏感性、成熟的抽象思维能力（以便执行适当的词汇合并）和积极的态度。人员筛选可以通过问卷调查、敏感度测试、排名或评分测试和面试来实现。
通过筛选的小组成员还需要根据不同食物的要求进行特定的培训，来保证他们能够发掘足够的感官特性并准确地描述它们。
三、生成初始词汇
在生成初始词汇阶段，考虑到同种食物的相似性，有时并不需要样品空间中的全部样品，只需要能够代表总体的部分样品即可。
大多数研究者选用的生成初始词汇的方法为:让品评小组成员尽可能多地写下他们感知到的感官特性，以供后续讨论。针对不同的研究目的，研究者们也会采用不同的词汇开发方式。有研究表明，受过训练的小组成员会使用更为精确的感官属性词，而未受过训练的小组成员更多的采用一般的表达方式。
四、词汇删减与定义
01词汇的删减、增添与合并
初始词汇阶段得到的描述词常常是冗杂、重复、带有个人色彩的，偶尔还会出现疏漏，因此需要删减不必要的描述词、增加之前被忽略的描述词并且合并具有相似含义或是代表同一属性的词汇。
在蓝莓汁词典的开发过程中，初始词汇在7次会议中进行了测试，并进行了调整，如删除、合并或重新安排属性。例如:覆盆子、樱桃和黑浆果的味道被组合成“浆果”;梨皮、西瓜皮、茎和绿色/青草被合并为“绿色/茎”;面团味因缺乏使用而被完全删除;黑木头被列入“糖蜜/黑玉米糖浆”中。这个过程是需要大量讨论的，当小组成员都认为保留下来的词是有意义的，才能证明词典的客观性和科学性。
另一种决定描述词是否需要保留的方法是:在词汇开发的初始阶段，写出描述词的同时在五点强度标度中为此特性标定强度，之后在保留词汇阶段通过M值计算。
02词汇强度、定义及参比样描述词定义
对于任何一个感官词典来说都是必不可少的，有明确的定义才能保证其他研究者、生产商和消费者都能够直观地感受到每个词汇所表达的含义和它们表征的感官特性。有些词汇的定义也可以在有关标准中直接查找，我国现行感官分析术语标准为GB/T10221-2012。而且，某一特性描述词在被确定之后，由于样品之间存在差异，一种特性在所有样品中的不同强度需要被确定。
词汇的参考即为表征某种感官特性的参比样品，在GB/T29604-2013中将参比样（referencesample）定义为：用于定义或阐明一个特性或一个给定特性的某一特定水平的物质。总体分为配制型参比样和实物型参比样。同时，参比样表征的香气强度也需要小组成员讨论后达成共识。
五、词汇测试及数据分析
01验证及测试
词典的验证环节是为了检验词典能否有效地区分样品，确保词汇和强度量表能有效区分样本间的感官特性和差异。
测试环节常借助量表来标定强度，常用的强度量表是0~15点强度量表（以0.5为增量或以1.5为增量），研究者选用五分制量表、十分制量表和全量表（考虑到适用于不同类型的量表，每个参考物的强度被设定为满分量表的百分比，以便将来进行评价）。除量表外，还有线尺度评分等。
02数据分析
数据分析的方法主要包括主成分分析（PCA）、聚类分析、对应分析等。主成分分析是大多数感官词典建立者都会选择的数据处理方法，它的目的是“降维”。完成词汇的收集与整理之后，我们会得到数量较多的词汇，如果想要了解哪些属性在样品之间差异最大，或是利用哪些重要属性就能很好地区分样品，这时就要用到主成分分析。
当重要属性的数量很多时，可以采用层次聚类分析（AHC）将其进行合并处理，层次聚类分析生成的树状图简单易懂，容易理解各个属性的特点和关系。对应分析（CA）可以用于分析描述性数据之间的特性，例如GONZAGA等利用该方法分析了葡萄产区与葡萄酒感官特性之间的关系。
除本文介绍的方法之外，还有许多数据处理方法可供选择，例如方差分析、Fisher最小显著性差异检验、Tukey's检验等，这取决于研究目的和样品的不同特性，研究者可以根据实际情况自由选择、自由组合不同的数据处理方法。
