基于BiLSTM-CRF的食品行业质量安全风险分析
Quality and Safety Risks Analysis of Food Industry Based on BiLSTM-CRF
查看参考文献23篇
|
文摘
|
以2018-2020年国家及各省市市场监督管理局发布的食品安全监督抽检报告为数据源,基于实体识别、规则匹配及统计分析等方法,分析中国食品行业质量安全风险现状及演化趋势.首先,基于BiLSTM-CRF模型提取报告中检测类别、检测项目实体名称,并结合所提取出的实体名称进行规则匹配,挖掘报告中食品行业质量安全风险相关信息;其次,针对所挖掘的信息归纳整理,从时域、地域角度研究中国食品行业高发性质量安全风险问题成因,并探究食品行业安全现状与演化趋势.研究发现,中国食品行业整体处于良好状态,质量安全风险较低;部分安全风险的成因及解决方式需紧抓根本,行业生产、储存及销售过程中所暴露出问题的亟待解决;行业监管力度需进一步加强,食品行业从业者整体素质仍存在提升空间,部分安全风险问题的改善仍应从实际出发. |
|
其他语种文摘
|
Collecting the food safety supervision and inspection reports issued by the national and provincial market supervision and administration bureaus from 2018 to 2020,this paper analyzes the current situation and evolution trend of China's food industry safety based on entity recognition,text mining and statistical analysis.Firstly,based on BiLSTM-CRF model,the entity names of the inspection category and inspection item in the reports are extracted,and the extracted entity names are combined for rule matching to mine the quality and safety risk information of food industry;Secondly,based on the collected information,this paper studies the causes of high-frequency quality and safety risks in China's food industry with the perspective of time and region,and explores the current situation and evolution trend of food industry safety.The results show that China's food industry is still in a good state with low safety risks;The causes and solutions to part of the quality and safety risks need to grasp the essence of the problems,and the problems exposed in the process of production,storage and sales need to be resolved urgently;Industry supervision needs to be further strengthened,the overall quality of food industry practitioners still has room for improvement,and part of the safety risks should be proceeded from reality. |
|
来源
|
系统科学与数学
,2022,42(10):2616-2633 【核心库】
|
|
DOI
|
10.12341/jssms22508KSS
|
|
关键词
|
食品行业
;
质量抽查报告
;
命名实体识别
;
统计分析
;
质量安全风险
|
|
地址
|
1.
北京信息科技大学, 北京, 100083
2.
智能决策与大数据应用北京市国际科技合作基地, 智能决策与大数据应用北京市国际科技合作基地, 北京, 100192
3.
绿色发展大数据决策北京市重点实验室, 绿色发展大数据决策北京市重点实验室, 北京, 100192
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-0577 |
|
学科
|
社会科学总论 |
|
基金
|
国家重点研发计划项目
;
国家自然科学基金面上项目
|
|
文献收藏号
|
CSCD:7356059
|
参考文献 共
23
共2页
|
|
1.
侯博. 我国食品安全风险治理研究的时空分布与热点研判.
食品科学,2022,43(13):237-245
|
CSCD被引
9
次
|
|
|
|
|
2.
何紫琪. 脆弱性理论视角下传统生鲜食品市场公共卫生风险及其治理.
中国食品卫生杂志,2020,32(6):648-653
|
CSCD被引
2
次
|
|
|
|
|
3.
Fearne A. Opportunities for the coregulation of food safety: Insights from the United Kingdom.
Choices,2005,20(2):109-116
|
CSCD被引
1
次
|
|
|
|
|
4.
张红霞. 我国食品安全风险因素识别与分布特征——基于9314起食品安全事件的实证分析.
当代经济管理,2021,43(4):66-71
|
CSCD被引
3
次
|
|
|
|
|
5.
曹恒. 浅析网络新闻失实的成因及应对措施.
传播与版权,2019(2):166-168
|
CSCD被引
1
次
|
|
|
|
|
6.
Goldberg D M. Text mining approaches for postmarket food safety surveillance using online media.
Risk Analysis,2022,42(8):1749-1768
|
CSCD被引
1
次
|
|
|
|
|
7.
李太平. 中国东中西部六省市食品安全状况比较.
中国公共卫生,2019,35(2):193-196
|
CSCD被引
2
次
|
|
|
|
|
8.
高航. 基于食品抽检报告的吉林省食品安全探微.
食品工业,2020,41(9):411
|
CSCD被引
1
次
|
|
|
|
|
9.
冀振燕. 基于深度学习的命名实体识别研究.
计算机集成制造系统,2022,28(6):1603-1615
|
CSCD被引
6
次
|
|
|
|
|
10.
刘浏. 命名实体识别研究综述.
情报学报,2018,37(3):329-340
|
CSCD被引
43
次
|
|
|
|
|
11.
许力. 基于BERT和BiLSTM-CRF的生物医学命名实体识别.
计算机工程与科学,2021,43(10):1873-1879
|
CSCD被引
8
次
|
|
|
|
|
12.
曾青霞. 结合自注意力的BiLSTM-CRF的电子病历命名实体识别.
计算机应用与软件,2021,38(3):159-162,242
|
CSCD被引
10
次
|
|
|
|
|
13.
刘文聪. 基于BiLSTM-CRF的中文地质时间信息抽取∗.
地球科学进展,2021,36(2):211-220
|
CSCD被引
5
次
|
|
|
|
|
14.
徐建国. 基于BILSTM-CRF的高校政策语义角色标注研究.
计算机工程与应用,2021,57(6):207-211
|
CSCD被引
2
次
|
|
|
|
|
15.
杨锦锋. 中文电子病历命名实体和实体关系语料库构建.
软件学报,2016,27(11):2725-2746
|
CSCD被引
42
次
|
|
|
|
|
16.
王学锋. 基于深度学习的军事命名实体识别方法.
装甲兵工程学院学报,2018,32(4):94-98
|
CSCD被引
11
次
|
|
|
|
|
17.
车翔玖. 生物医学命名实体识别的两阶段学习算法.
吉林大学学报(工学版),2022:1-10
|
CSCD被引
1
次
|
|
|
|
|
18.
毕金峰. 国内外休闲食品产业与科技现状及发展趋势.
中国食品学报,2020,20(12):320-328
|
CSCD被引
3
次
|
|
|
|
|
19.
李韧. 基于Transformer-BiLSTM-CRF的桥梁检测领域命名实体识别.
中文信息学报,2021,35(4):83-91
|
CSCD被引
8
次
|
|
|
|
|
20.
罗熹. 结合多头自注意力机制与BiLSTM-CRF的中文临床实体识别.
湖南大学学报(自然科学版),2021,48(4):45-55
|
CSCD被引
10
次
|
|
|
|
|
了解气象卫星更多信息，请访问