食品安全風(fēng)險預(yù)警領(lǐng)域大數(shù)據(jù)挖掘的應(yīng)用

陳愷 周小蕙 王明慧

（1.貴州省分析測試研究院 貴州省貴陽市 550000 2.貴州貴科大數(shù)據(jù)有限責(zé)任公司 貴州省貴陽市 550000）

在當(dāng)前形勢下，我國社會主義市場經(jīng)濟(jì)獲得了全面提高和發(fā)展，互聯(lián)網(wǎng)的應(yīng)用也更加普遍，并在人們的日常工作和生活中，發(fā)揮著重要作用。計算機(jī)和互聯(lián)網(wǎng)在不同領(lǐng)域的使用，有助于為其儲存大量的有用數(shù)據(jù)，為了將這些數(shù)據(jù)的使用價值充分發(fā)揮出來，需不斷整合和處理各個行業(yè)的數(shù)據(jù)，然后將其運用于各個行業(yè)中，促進(jìn)其進(jìn)一步發(fā)展，在這種形勢下，大數(shù)據(jù)被提出。近年來，食品安全問題頻發(fā)，極大的損害了消費者的權(quán)益，也對民生安全造成了嚴(yán)重威脅，因此，當(dāng)前社會逐漸意識到食品安全風(fēng)險預(yù)警的重要性。借助大數(shù)據(jù)技術(shù)，建立健全的食品安全風(fēng)險預(yù)警機(jī)制，也成為一項迫在眉睫的重任，本文對此作一探討和研究，內(nèi)容如下。

1 大數(shù)據(jù)概述

大數(shù)據(jù)的概念較為抽象，結(jié)合字面含義進(jìn)行分析，表示數(shù)據(jù)更具多元化、規(guī)模更具龐大化。當(dāng)前，大數(shù)據(jù)的定義尚未統(tǒng)一。就當(dāng)前的百科來講，其認(rèn)為大數(shù)據(jù)作為一種重要的信息資產(chǎn)，具有較高的增長率、多樣化的類型及海量的容量，而為了進(jìn)一步提升其洞察力、決策力及優(yōu)化流程的能力，還需創(chuàng)新處理模式。簡單來講，即通過采取相關(guān)的措施，來達(dá)到較高的洞察力、決策能力以及對工作流程優(yōu)化的相關(guān)數(shù)據(jù)，其共包含5 方面特征，即大量性、真實性、多樣性、高速性及低價值密度。最初，大數(shù)據(jù)經(jīng)常在開源項目Nutch 中被使用，其大數(shù)據(jù)具有相對簡單的定義，即為了進(jìn)一步更新網(wǎng)絡(luò)的搜索功能，而發(fā)揮分析和批量處理作用的龐大數(shù)據(jù)。截止到當(dāng)前，大數(shù)據(jù)的應(yīng)用愈加廣泛，且在多個行業(yè)領(lǐng)域中都發(fā)揮出了重要作用，市場競爭也逐漸演變?yōu)樾畔?shù)據(jù)之間的競爭。經(jīng)過不斷的創(chuàng)新和發(fā)展，大數(shù)據(jù)更加完善，且作為一種重要資產(chǎn)，隱藏著較大的潛在價值和深遠(yuǎn)意義。

科學(xué)技術(shù)的不斷進(jìn)步和發(fā)展，促使計算機(jī)硬件設(shè)備也更加完善，能夠儲存大量的數(shù)據(jù)信息，并形成數(shù)據(jù)庫，當(dāng)前需加強對這些數(shù)據(jù)的研究和運用，充分發(fā)揮其價值和作用。在此形勢下，大數(shù)據(jù)挖掘技術(shù)應(yīng)運而生，可靈活發(fā)揮沉積數(shù)據(jù)的價值，使其作為一種有效的知識資源。大數(shù)據(jù)挖掘技術(shù)表示在計算機(jī)技術(shù)的作用下，將數(shù)據(jù)庫中的一些潛在信息和價值挖掘出來，并對其發(fā)展趨勢進(jìn)行分析和預(yù)測。

2 常用的幾種大數(shù)據(jù)挖掘技術(shù)及其在食品安全行業(yè)的具體應(yīng)用

伴隨當(dāng)今計算機(jī)硬件領(lǐng)域的持續(xù)、穩(wěn)定化發(fā)展，許多功能強大且實用性突出的數(shù)據(jù)收集設(shè)備、儲存介質(zhì)等，在多個領(lǐng)域中得到不錯應(yīng)用，強力推動了數(shù)據(jù)庫領(lǐng)域的發(fā)展與繁榮，致使大量數(shù)據(jù)、信息在數(shù)據(jù)庫當(dāng)中得以儲存。需要指出的是，在大數(shù)據(jù)庫當(dāng)中，許多數(shù)據(jù)由于未能充分利用，因而最終轉(zhuǎn)變成了“數(shù)據(jù)墳?zāi)埂?，在此狀況下，怎樣讓此些數(shù)據(jù)重新“蘇醒”，把數(shù)據(jù)墳?zāi)瓜蚰切└邇r值屬性的知識“金塊”進(jìn)行轉(zhuǎn)變，人們需要采取各種可行措施，有效解決此類問題，而大數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，便能夠較好的將數(shù)據(jù)與知識間的鴻溝給消除掉，乃是把數(shù)據(jù)相知識進(jìn)行轉(zhuǎn)變的重要手段。需指出的是，大數(shù)據(jù)挖掘?qū)嶋H就是把那些處于隱藏狀態(tài)的信息，從數(shù)據(jù)庫當(dāng)中進(jìn)行提取，然后借助開發(fā)計算機(jī)程序，從數(shù)據(jù)庫當(dāng)中進(jìn)行自動、有目的性挖掘，以此找出或明確規(guī)律的一種手段。需強調(diào)的是，若能夠在海量的數(shù)據(jù)挖掘當(dāng)中，找出明顯的模式，那么此些模式便能夠被總結(jié)、理解與設(shè)計，并且還能夠用于預(yù)測未來大規(guī)模的數(shù)據(jù)。大數(shù)據(jù)挖掘方式以常規(guī)數(shù)據(jù)挖掘為基礎(chǔ)，而對于數(shù)據(jù)挖掘技術(shù)而言，則由多學(xué)科、多領(lǐng)域先進(jìn)技術(shù)集成而得到，較常用的有高性能計算、模式識別、統(tǒng)計學(xué)等。而比較常用的機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘技術(shù)有人工神經(jīng)網(wǎng)絡(luò)、決策樹等。

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)最早是在1988年被提出的，其表示模式象征著一種不確定性，其本質(zhì)代表著一種因果關(guān)系，且是賦值的，具體表現(xiàn)為有向無環(huán)圖（DGA），全稱為directed acyclic graph。一個變量對應(yīng)一個網(wǎng)絡(luò)中的結(jié)點，表示一個事件。在貝葉斯網(wǎng)絡(luò)中，各個變量之間弧的變化規(guī)則，可將一些不確定的內(nèi)在概率較好的表達(dá)出來，從而更好的闡述導(dǎo)致事件發(fā)生的因果因素。貝葉斯網(wǎng)絡(luò)可將數(shù)據(jù)域中不同數(shù)據(jù)的概率情況及關(guān)聯(lián)，更好的展現(xiàn)出來，從而更加充分的揭示其中的概率情況。貝葉斯網(wǎng)絡(luò)模型簡潔易懂，通過分析行為、結(jié)果，并對其因果關(guān)系進(jìn)行探討，以此來預(yù)測和分析其中的可能性結(jié)果。貝葉斯網(wǎng)絡(luò)的使用，可對有缺陷的數(shù)據(jù)進(jìn)行完善，并在其它技術(shù)的協(xié)助下，進(jìn)一步分析因果情況。此外，貝葉斯網(wǎng)絡(luò)還可有效連接先驗知識和數(shù)據(jù)，并防治其擬合過度。

在食品行業(yè)中，貝葉斯網(wǎng)絡(luò)大都被運用在食品產(chǎn)品的設(shè)計過程中。例如，在創(chuàng)建與食品相關(guān)的貝葉斯網(wǎng)絡(luò)模型時，若了解人們對甜食的偏愛，則在樣本中列舉食品時，除了需要列舉甜食外，還需舉例受歡迎的食品，而使用貝葉斯網(wǎng)絡(luò)推斷其受歡迎情況時，則需考慮到食品顏色的影響作用。傳統(tǒng)的專家推薦系統(tǒng)是出于規(guī)則考慮而制定的，劃分方式按模塊劃分，其中不包含與數(shù)據(jù)源或其他規(guī)則相關(guān)的內(nèi)容，則無法對相似問題進(jìn)行處理，可借助貝葉斯網(wǎng)絡(luò)中的條件概率。此外，在風(fēng)險評價概率統(tǒng)計模型方面，貝葉斯網(wǎng)絡(luò)也更具代表性，可用于預(yù)估食品供應(yīng)鏈的風(fēng)險概率。在評價事件的風(fēng)險概率時，可通過對食品供應(yīng)鏈中的一些風(fēng)險因素進(jìn)行分析，如資金流、信息流或物流信息等，并據(jù)此創(chuàng)建貝葉斯網(wǎng)絡(luò)模型。初始事件不同時，食品供應(yīng)鏈的回應(yīng)也有所不同，從而導(dǎo)致不同的發(fā)展過程和結(jié)果。為了得出食品的風(fēng)險值，可通過分析貝葉斯網(wǎng)絡(luò)不同節(jié)點的條件概率情況，來將聯(lián)合概率計算出來。

2.2 決策樹

決策樹作為一種常見的歸納推理算法，常被應(yīng)用于機(jī)器研究和學(xué)習(xí)過程中，采用的方式為逐漸朝離散值函數(shù)進(jìn)行逼近，首先將較小的“樹”選擇出來，決策樹采用學(xué)習(xí)中提到的某種函數(shù)表示。決策樹可充分結(jié)合噪聲的數(shù)據(jù)特點和規(guī)律，從而總結(jié)出相應(yīng)的表達(dá)式。且在決策樹的根節(jié)點和葉子節(jié)點上，都分別排列著一個相應(yīng)的實例。決策樹經(jīng)判定后，對各個實例進(jìn)行分類，并將分類特點借助葉子節(jié)點來表示。在分類實例時，首先需劃分決策樹的根節(jié)點，然后將與實例相應(yīng)的屬性值選擇出來，并結(jié)合其對應(yīng)的樹枝繼續(xù)。更換決策樹實例，并對以上步驟進(jìn)行根循環(huán)，從而得到分類后的實例情況。結(jié)合根部至葉子節(jié)點的順序，來得到不同規(guī)則的集合，從而對樣本數(shù)據(jù)規(guī)則進(jìn)行概括和歸納，并對每個樣本的屬性進(jìn)行了解，此外，還可對新樣本的屬性進(jìn)行預(yù)測。

決策樹分析法在解決決策問題時，主要遵循的邏輯思維方式為樹狀法，決策方法主要依據(jù)對風(fēng)險的分析展開。具體應(yīng)用到食品行業(yè)時，決策樹可用于評估農(nóng)產(chǎn)品食品的安全情況，針對一些數(shù)據(jù)，會對農(nóng)產(chǎn)品質(zhì)量安全造成影響，采用降維方法預(yù)處理該數(shù)據(jù)，并總結(jié)出對質(zhì)量安全影響較大的特征值，在組合優(yōu)化決策樹的前提下，建立判定農(nóng)產(chǎn)品質(zhì)量安全的模型，決策樹的屬性可選擇影響農(nóng)產(chǎn)品質(zhì)量的因素，如土壤PH、地下水重金屬含量及種植規(guī)模情況等。劃分?jǐn)?shù)據(jù)樣本為兩類，即訓(xùn)練集和測試集，經(jīng)訓(xùn)練后，得到集合后的規(guī)則。在決策樹模型中輸入測試過程中的各個數(shù)據(jù)樣本，并將其準(zhǔn)確率計算出來，判斷農(nóng)產(chǎn)品質(zhì)量安全風(fēng)險能否使用決策樹進(jìn)行評估和判定。此外，在某個具體的檢測指標(biāo)中，也可使用決策樹，如對油炸性方便面的質(zhì)量進(jìn)行評定等。

2.3 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)的出處為生物學(xué)，該數(shù)據(jù)挖掘方式具有相對較高的學(xué)習(xí)精度，具體建模方式來源于生物學(xué)中相互連接神經(jīng)元之間的網(wǎng)絡(luò)組成情況。神經(jīng)網(wǎng)絡(luò)可對數(shù)據(jù)中存在的錯誤進(jìn)行不斷學(xué)習(xí)和優(yōu)化，并通過不斷提升精準(zhǔn)度，來加強對數(shù)據(jù)的了解，從而將其中隱藏的規(guī)律總結(jié)出來，因此，截止到現(xiàn)在，人工神經(jīng)網(wǎng)絡(luò)在多個領(lǐng)域中都發(fā)揮出了重要作用。目前，預(yù)計有10 多種人工神經(jīng)網(wǎng)絡(luò)模型被創(chuàng)建出來，其中最為常見的一種為反向傳播（BP）神經(jīng)網(wǎng)絡(luò)，在不同的層級中都分布有神經(jīng)元，且每個層級中至少含有一個神經(jīng)元，有的還具有多個神經(jīng)元。每個神經(jīng)元中分布著數(shù)量一定的輸入值和輸出值，其中輸入值也可與上一層神經(jīng)元的輸出相對應(yīng)，而輸出值也可作為輸入值，傳輸?shù)较乱粚由窠?jīng)元。每個層級的神經(jīng)元，都會交互相鄰層級的各個神經(jīng)元，并通過不同的操作，對所提供的的數(shù)據(jù)集進(jìn)行深入學(xué)習(xí)，如正向傳播、調(diào)整權(quán)值和反向傳播等，從而實現(xiàn)對模型進(jìn)行優(yōu)化的目的。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力具有非常強的健壯性，該方式可更好的實現(xiàn)向量值、實數(shù)值及離散值的逼近。

BP 神經(jīng)網(wǎng)絡(luò)對非線性函數(shù)具有高度的映射功能，其在信息的儲存方面具有相對較廣的分布，且可以更好的并行處理大規(guī)模的數(shù)據(jù)，具有較好的抗干擾能力和適應(yīng)能力，而以上優(yōu)勢在很大程度上提升了其學(xué)習(xí)能力。針對不確定問題的處理，BP 神經(jīng)網(wǎng)絡(luò)作為一種人工智能處理方式，具有相對較高的解決能力，在結(jié)合主成分分析的基礎(chǔ)上，該方法還可用于研究鑒別近紅外光譜蘋果品種的方式，具體使用時，首先結(jié)合主成分分析方式，對蘋果聚類并將其近紅外指紋圖譜得出，從而獲得對蘋果品種具有敏感反應(yīng)的波段，采用特征波段圖譜將其輸入到神經(jīng)網(wǎng)絡(luò)中，輸出品種，創(chuàng)建相應(yīng)的模型，并經(jīng)大量訓(xùn)練后，進(jìn)一步預(yù)測未知樣品情況。采用以上方式進(jìn)行判定時，可極大的提升對品種識別的準(zhǔn)確概率。此外，BP 神經(jīng)網(wǎng)絡(luò)還經(jīng)常被用于以下數(shù)據(jù)分析和挖掘中，如預(yù)測分析大米直鏈淀粉含量情況、預(yù)測冬小麥的耗水特性等。因此，其在食品安全當(dāng)中，有著良好的應(yīng)用效能與價值。

BP 神經(jīng)網(wǎng)絡(luò)具有訓(xùn)練速度快、準(zhǔn)確率高及健壯性強等優(yōu)點，因而與其它數(shù)據(jù)挖掘方式相比較，要更具優(yōu)勢；另外，BP 神經(jīng)網(wǎng)絡(luò)的靈活性較強，新的訓(xùn)練數(shù)據(jù)集能夠比較方便的用于模型訓(xùn)練中，因而有助于模型準(zhǔn)確性的提升，適用于食品安全風(fēng)險預(yù)警領(lǐng)域。

3 結(jié)語

綜上，食品安全問題作為一項關(guān)乎民生的大事，與人們的身體健康和生命安全密切相關(guān)。由于食品的種類和加工工序相對繁多和復(fù)雜，在展開數(shù)據(jù)挖掘和分析研究的過程中，需加強對多種食品的探討。大數(shù)據(jù)時代的到來，為食品行業(yè)的健康有序發(fā)展提供了有利條件，將大數(shù)據(jù)應(yīng)用在食品安全風(fēng)險預(yù)警中，可有效緩解和改善食品安全問題，從而充分確保人們的生命安全。本文主要結(jié)合三種常用的大數(shù)據(jù)挖掘技術(shù)進(jìn)行了探討，以期能夠更好的促進(jìn)食品安全問題的研究工作。