食品风险预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了食品风险预测方法、装置、设备及存储介质，涉及人工智能技术，基于各食品的多维度特征向量分别作为食品风险预设模型的输入，获取各食品的下月预测抽检不合格率，之后进一步筛选下月预测抽检不合格率高于不合格率阈值的食品细类名称以组成下月抽查食品细类名称清单，提高了筛选名单的效率。此外本发明专利技术可应用于智慧政务场景中，从而推动智慧城市的建设。

【技术实现步骤摘要】
食品风险预测方法、装置、设备及存储介质
本专利技术涉及人工智能的智能决策领域，尤其涉及一种食品风险预测方法、装置、设备及存储介质。
技术介绍
食品安全与人们的生活息息相关，关系到人们的日常生活与健康。为了监督市场的食品安全问题，各省市每月会定制抽检计划，并按照抽检计划进行食品抽检。因此抽检计划的定制关系到人们的切身利益与健康。传统的食品抽检计划定制是一种随机选择的方式，随机选择抽检食品可能出现的情况是应该加大抽查力度的食品可能没有被加大抽检，相对安全的食品确定了很大的抽检力度。而且随机选择抽检食品名称组成食品抽检计划一般是基于抽检人员的抽检经验人工筛选得到，不仅对抽检人员的专业知识要求高，而且人工筛选效率低下。
技术实现思路
本专利技术实施例提供了一种食品风险预测方法、装置、设备及存储介质，旨在解决现有技术中选择抽检食品名称组成食品抽检计划一般是基于抽检人员的抽检经验人工筛选得到，不仅对抽检人员的专业知识要求高，而且人工筛选效率低下的问题。第一方面，本专利技术实施例提供了一种食品风险预测方法，其包括：本文档来自技高网...

【技术保护点】
1.一种食品风险预测方法，其特征在于，包括：/n调用预先设置的食品细类集合，并获取当前系统日期；其中，所述食品细类集合中包括多个食品细类名称；/n获取所述食品细类集合中各食品细类名称对应的多维度特征向量，所述多维度特征向量包括历史特征向量、舆情特征值、天气特征向量、投诉特征值和进货特征值；/n将各食品细类名称对应的多维度特征向量均作为输入预先训练训练的食品风险预设模型进行运算，得到各食品细类名称对应的预测抽检不合格率；以及/n获取各食品细类名称对应的预测抽检不合格率中高于预设的不合格率阈值的预测抽检不合格率所对应的食品细类名称，以组成下月抽查食品细类名称清单。/n

【技术特征摘要】
1.一种食品风险预测方法，其特征在于，包括：
调用预先设置的食品细类集合，并获取当前系统日期；其中，所述食品细类集合中包括多个食品细类名称；
获取所述食品细类集合中各食品细类名称对应的多维度特征向量，所述多维度特征向量包括历史特征向量、舆情特征值、天气特征向量、投诉特征值和进货特征值；
将各食品细类名称对应的多维度特征向量均作为输入预先训练训练的食品风险预设模型进行运算，得到各食品细类名称对应的预测抽检不合格率；以及
获取各食品细类名称对应的预测抽检不合格率中高于预设的不合格率阈值的预测抽检不合格率所对应的食品细类名称，以组成下月抽查食品细类名称清单。


2.根据权利要求1所述的食品风险预测方法，其特征在于，所述获取所述食品细类集合中各食品细类名称对应的多维度特征向量，包括：
以所述食品细类集合中包括的各食品细类名称为关键词、并以数据统计时间段集合为查询条件，从第一目标网址集合对应的网页数据中采集获取与各食品细类名称对应的历史不合格率数据，以得到与各食品细类名称对应的历史特征向量；
从第二目标网址集合对应的网页数据中采集获取舆情数据采集时间区间内的舆情数据集合，根据所述舆情数据集合统计获取各食品细类名称对应的舆情数量，以得到与各食品细类名称对应的舆情特征值；
从第三目标网址集合对应的网页数据中采集获取天气数据采集时间区间内的天气数据集合，根据所述天气数据集合及各食品细类名称对应的食品敏感类型，获取各食品细类名称对应的天气特征向量；
从第四目标网址集合对应的网页数据中采集获取投诉数据采集时间区间内的投诉信息数据集合，根据所述投诉信息数据集合统计获取各食品细类名称对应的投诉数量，以得到与各食品细类名称对应的投诉特征值；
从第五目标网址集合对应的网页数据中采集获取进货数据采集时间区间内的进货信息数据集合，根据所述进货信息数据集合统计获取各食品细类名称对应的当月进货数量，根据当月进货数量与上一月进货数量之比，以对应得到与各食品细类名称对应的进货特征值；
其中，所述舆情数据采集时间区间、天气数据采集时间区间、投诉数据采集时间区间和进货数据采集时间区间均为上一食品风险预测日期与当前系统日期之间的时间区间。


3.根据权利要求2所述的食品风险预测方法，其特征在于，所述数据统计时间段集合包括以当前系统日期为数据统计时间段终止时间点、且以第一目标网址集合的历史数据起始统计日期为数据统计时间段起始时间点的第一数据统计时间段，以当前系统日期的上一年同月份对应的第二数据统计时间段，以第二数据统计时间段及第二数据统计时间段的前一月份和后一月份组成的第三数据统计时间段，以当前系统日期的上一月份对应的第四数据统计时间段，以当前系统日期的前三个月份对应组成的第五数据统计时间段；
所述以所述食品细类集合中包括的各食品细类名称为关键词、并以数据统计时间段集合为查询条件，从第一目标网址集合对应的网页数据中采集获取与各食品细类名称对应的历史不合格率数据，以得到与各食品细类名称对应的历史特征向量，包括：
所述食品细类集合中包括的各食品细类名称为关键词，并分别以所述第一数据统计时间段、所述第二数据统计时间段、所述第三数据统计时间段、所述第四数据统计时间段和所述第五数据统计时间段作为查询条件，分别从所述第一目标网址集合对应的网页数据中采集获取各个数据统计时间段内与各食品细类名称对应的历史总抽检不合格率，以得到与各食品细类名称对应的第一特征值、第二特征值、第三特征值、第四特征值和第五特征值；
由各食品细类名称分别对应的第一特征值、第二特征值、第三特征值、第四特征值、第五特征值，以组成与各食品细类名称分别对应的历史特征向量。


4.根据权利要求2所述的食品风险预测方法，其特征在于，所述根据所述舆情数据集合统计获取各食品细类名称对应的舆情数量，以得到与各食品细类名称对应的舆情特征值，包括：
将所述舆情数据集合中每一篇舆情数据输入至预先训练的舆情数据摘要抽取模型进行摘要抽取，得到与每一篇舆情数据分别对应的舆情摘要；
判断每一篇舆情数据分别对应的舆情摘要是否包括所述食品细类集合中的若干个食品细类名称；
若有舆情数据对应的舆情摘要包括所述食品细类集合中的若干个食品细类名称，则将对应食品细类名称的舆情统计数量累加1，以得到各食品细类名称对应的舆情数量；
判断各食品细类名称对应的舆情数量是否超出预先设置的舆情数量阈值；

【专利技术属性】
技术研发人员：谢攀，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44