食品安全风险预警领域大数据挖掘的应用

□ 郑 剑 周 豪 巫 丹 遂昌县食品药品安全检验检测中心

食品安全风险预警领域大数据挖掘的应用

□ 郑 剑 周 豪 巫 丹 遂昌县食品药品安全检验检测中心

食品安全综合评价和食品安全预警是食品安全领域的难点与重点，也是食品安全领域一直探讨的问题。随着新技术的崛起，大数据、云计算等技术开始在各个领域应用，食品安全风险预警领域在这个方面也有所探究。本文主要分析大数据以及三种典型的大数据挖掘技术的概念，并进一步探讨其在大数据挖掘中的应用现状。

近年来，随着国家经济的高速发展，互联网随之普及，并在人们的工作生活中扮演重要的角色。各行业积累大量的数据，人们逐渐看到大数据背后存在的一些潜在价值，应如何挖掘这些数据的潜在价值，让这些数据的潜在价值指导行业发展。近年来，食品安全问题接连不断，食品安全事件严重威胁人们的健康，食品安全综合指数评价和安全预警也就越来越成为人们讨论的热点。要想解决食品安全问题，就需要建立食品安全风险预警机制。随着大数据在各个领域的使用，人们都将目光投向将大数据运用在食品安全风险预警领域。因此，本文主要浅谈大数据挖掘在食品安全风险预警应用的现状，以供参考。

大数据的概念

大数据顾名思义是很多数据的意思，就现在的百科上来说，大数据是指需要新的处理模式才能具有更强决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。简而言之，就是用一定的过程处理后，可以优化业务流程、增强决策力和洞察力的各种各样的数据，具有大量、高速、多样、价值密度和真实性等特点。大数据的最初引用是在开源项目Nutch中，那时的大数据被定义为“更新网络搜素需要进行批量处理或分析的大量数据”。现如今，大数据在个个领域都有涉及，马云曾说过未来的商业竞争是数据的竞争。大数据在人们的日常生活中不断积累，并不断发展为一种潜在资产。

3种数据挖掘方式应用的现状

贝叶斯图

贝叶斯图反映的是一种不确定模式，每一个节点代表一个不确定的变量，依据变量之间的因果关系推算出其变量发生的概率，反映的是整个数据域间的概率关系，可以用来发现让人信服的概率依赖关系。它是基于行为结果和他们的因果条件，解释可能出现的结果，从而达到预测和决策的效果。在食品安全方面，具有代表性的应用是食品产品设计。比如，在食品贝叶斯网络建模中，知道人们喜欢吃甜食后，在样本中也会存在人们喜欢的甜食，在这个模型中就会推理出食品的颜色影响人们喜爱的程度。由于它的本身特点，可以建立相关风险因素，依据网络模型对于不同事件的反应程度、发展过程和结果，可以获取相关节点变量的概率值，进而得到风险值。

决策树

决策树通过逻辑思维的方式来优化决策，进而解决复杂的问题。其在食品行业的运用，有利于农产品的食品安全研究。决策树通过降维方式进行数据预处理，找出影响农产品质量的特征值，然后构建基于组合优化的决策树模型，判别农产品质量安全。在这个过程中，可以选取土壤的酸碱度、地区水的质量等级等作为决策树的属性。通过后期数据的训练，计算出相应的准确率，最后得出决策树是否可以评估农产品质量安全风险的结论。

人工神经网络

人工网络神经是模仿生物学中的神经网络结构进行的建模，通过长时间的训练和测试，可以有效学习数据中的一些错误，是一种学习精度相对较高的数据挖掘方式。目前，常见的网络模型将近10种，其中常见的为反响传播神经网络。通过数据在不同层级中的不同神经元中正向传播、权值调整和反向传播，学习所给的数据集，进而训练好相应的模型。其与主成分分析结合做过有关利用红外光谱鉴别苹果品种的研究，其识别的准确率达到了100%。在后续的研究中，可以利用类似原理，利用不合格产品主要的成分进行相关筛选，挑拣不安全食品或预警相关食品的安全。

结语

由于食品的种类繁多，加工的程序复杂，对不同的食品其挖掘数据的模型不应过于单一。在大数据时代，利用大数据来进行食品安全风险预警也成为食品行业的急切需要，食品安全问题关乎人们的身体健康和生命安全，只有做好相关的食品安全风险预警，才能有效解决食品安全问题。同时，不能只依赖大数据来解决问题，也要加强食品制作人员的食品安全意识。