食品科学2021,Vol.42Issue(7) :35-44.DOI:10.7506/spkx1002-6630-20200505-027

基于结构化分析和语义相似度的食品安全事件领域数据挖掘模型

Data Mining Model for Food Safety Incidents Based on Structural Analysis and Semantic Similarity

陈默 张景祥 胡恩华 吴林海 张义
食品科学2021,Vol.42Issue(7) :35-44.DOI:10.7506/spkx1002-6630-20200505-027

基于结构化分析和语义相似度的食品安全事件领域数据挖掘模型

Data Mining Model for Food Safety Incidents Based on Structural Analysis and Semantic Similarity

陈默 1张景祥 2胡恩华 1吴林海 3张义3
扫码查看

作者信息

  • 1. 南京航空航天大学经济与管理学院,江苏南京 211106
  • 2. 江南大学理学院,江苏无锡 214122;江南大学生物工程学院,江苏无锡 214122;江南大学商学院,食品安全风险治理研究院,江苏无锡 214122
  • 3. 江南大学商学院,食品安全风险治理研究院,江苏无锡 214122
  • 折叠

摘要

食品安全关系群众切身利益和社会稳定.本文通过分析主流媒体报道食品安全事件的空间分布、食品类别、风险因子、危险环节等特征,构建食品安全事件文本数据的语义结构模板,提出食品安全事件的多层多级语义结构排序策略(strategy of multi-layer and multi-level semantic structure of rank,MMSS-Rank)算法,计算食品安全数据与语义结构模板的相似度,确定其综合得分,选择适当的阈值确定食品安全事件精度.通过抓取数据,清洗后构建真实食品安全数据,采用支持向量机和语义分析等方法进行分类精度对比.结果表明,MMSS-Rank在食品安全事件大数据识别准确率和召回率较好,证明MMSS-Rank算法可行、有效.

关键词

食品安全事件/语义分析/语义结构模板/大数据

引用本文复制引用

基金项目

国家社会科学基金重点项目(19AGL021)

出版年

2021
食品科学
北京食品科学研究院

食品科学

CSTPCDCSCD北大核心
影响因子:1.327
ISSN:1002-6630
被引量3
参考文献量17
段落导航相关论文