摘 要

信息时代的高速发展，大数据技术应运而生，食品安全领域也走入大数据时代。将数据挖掘技术用于食品安全领域，探寻其致因因素，有助于食品安全风险预警预防，保障人类的身体健康。

本文将数字挖掘技术应用于食品安全预警中，首先借助数据网络采集器针对近十年的食品安全事件以及食品检测监察数据进行收集，筛选掉无效或者无结论的事件数据后建立食品安全相关数据库；在此基础上通过文本聚类，关联规则挖掘找寻食品安全事件因果知识图谱；找到食品安全的致因因素，然后建立一个基于贝叶斯网络的食品安全预测模型并进行分析。研究结果表明：导致食品安全事件发生最主要因素是人的不安全行为，通过加强监督监管，提高消费者食品安全意识，有助于减少食品安全事件的发生。所得结果对于科学有效地评价食品安全的现状，为监管机构提供科学的决策依据具有重要的指导意义。

论文主要研究了近十年的食品安全事件，获取其中食品安全的致因因素，建立贝叶斯网络模型，基于贝叶斯网络模型进行分析与预测。本文的特色：将数据挖掘与贝叶斯网络应用于食品安全预警模型的建立。

关键词：食品安全；数据挖掘；关联规则；贝叶斯

Abstract

With the rapid development of information age, big data technology has emerged, and the field of food safety has entered the era of big data. The application of data mining technology in the field of food safety and the exploration of its causal factors will help to prevent food safety risks and protect human health.

In this paper, digital mining technology is applied to food safety early warning. Firstly, the data network collector is used to collect the food safety events and food inspection and supervision data in the past ten years. After selecting the invalid or inconclusive event data, the food safety related database is established. On this basis, the causal knowledge of food safety events is searched by text clustering and association rule mining Map; find out the cause factors of food safety, and then establish a Bayesian network-based food safety prediction model and analyze. The results show that the main cause of food safety incidents is the unsafe behavior of people. Through strengthening supervision and supervision, improving the food safety awareness of consumers will help to reduce the occurrence of food safety incidents. The results are of great significance to evaluate the current situation of food safety and provide scientific decision-making basis for regulatory agencies.

This paper mainly studies the food safety events in recent ten years, obtains the causal factors of food safety, establishes the Bayesian network model, analyzes and forecasts based on the Bayesian network model. The characteristics of this paper: Data Mining and Bayesian network are applied to the establishment of food safety early warning model.

Keywords: food safety; data mining; association rules; Bayes

目 录

摘 要 2

第1章 绪论 6

1.1研究背景及意义 6

1.2 国内外研究现状及问题 6

1.2.1 国内研究综述 6

1.2.2 国外研究综述 7

1.3 研究内容及方法 7

1.3.1 研究内容 7

1.3.2 研究方法 8

1.3.3 研究技术路线 8

第2章 理论基础 10

2.1 食品安全风险及预警 10

2.1.1 食品安全概述 10

2.1.2 食品安全风险预警 10

2.2 数据挖掘 11

2.2.1 数据挖掘概述 11

2.2.2 数据挖掘的分类 11

2.2.3 数据挖掘的工具 12

2.2.4 数据分析的方法 12

第3章 数据采集与处理 13

3.1 食品安全事件数据收集 13

3.2 食品安全事件数据预处理 13

3.4 食品安全事件致因因素提取 15

3.4.1食品安全文本聚类分析 15

3.4.2食品安全因素相关性分析 18

小结 19

第4章 基于贝叶斯网络的食品安全预测模型建立 20

4.1食品安全风险指标建立 20

4.2贝叶斯网络模型构建步骤 21

4.3贝叶斯网络拓扑图绘制 22

小结 22

第5章 基于贝叶斯网络的食品安全预测模型分析处理 23

5.1 基于贝叶斯网络拓扑图的先验分析 23

5.2 基于贝叶斯网络拓扑图的诊断分析 24

5.3 食品安全风险控制措施 28

5.3.1原材料因素的控制措施 28

5.3.2生产因素的控制措施 28

5.3.3 包装因素的控制措施 28

5.3.4 销售因素的控制措施 29

5.3.5 食品制作因素的控制措施 29

5.3.6 监管因素的控制措施 29

小结 29

第6章 结论与展望 30

6.1 全文总结 30

6.2 研究展望 31

参考文献 32

致谢 34

1. 绪论

1.1研究背景及意义

作为维持人体功能的成品和原材料，食品在人类生活中起着极其重要的作用，食品安全是世界上最关注和最敏感的问题之一，目前，全国乃至全球的政府和群众都越来越重视食品安全，在危机意识提升之后，这当然会及时发现一些食品安全问题，但食品安全事件屡禁不止也在告诫大众食品安全问题仍需从根本上进行解决。从农田到饭桌，从原材料到供应到承运再到配销，其中经历多个中转才最终到达民众手中的食物。生产过程中可能残留农药，化学污染物，生物添加剂和其他有害物质；也可能是由于缺乏企业的责任，非法摄入食品添加剂，缺乏营业执照违规销售等；以及政府监管过程中的问题；所有这些问题都可能最终对人体造成伤害。影响食品安全的因素多且复杂，并且随着食品多样性的变化，食品安全监管的难度正在逐步增加。食品安全危险因素的预警与分析是相关领域的研究重点。

近年来，随着信息时代的高速发展，互联网大数据逐渐运用于各个角落，大数据是一种具有海量的数据规模，可高速运转并且多样化的数据库。大数据不仅能够进行对数据的加工和转换还能实现增值。大数据脱离不了云计算，与计算机相互依存，是高新技术下的产物。在食品安全领域希望大数据能够实现对食品生产、加工、运输、包装、贮存等方面的监督，从理论上实现对食品的综合监控。数据挖掘技术是基于大数据而存在的，通过算法找寻海量信息中的隐藏和有意义的信息。本文将数字挖掘技术应用于食品安全预警中，以实现食品总体安全状况的及时预警，科学有效地评价食品安全状况，为制定食品安全科学决策提供一定的依据^[1]。

1.2 国内外研究现状及问题

1.2.1 国内研究综述

在 2007 年，我国正式推广并且投入使用了“快速预警与快速反应系统”，收集定期监察，日常监督和专项检查的相关数据，注重非食用原料、病原菌及其他有害物质的监察，并且开始共享国家和省级监察数据以及开始实现了信息的资源共享^[2]。在2011 年，全国建立县级化学污染物，食品中非法添加剂和食源性致病微生物的监测点 1196个, 覆盖了31个省、244个市和716个县, 承担监测任务的技术机构发展405个^[2]。