[发明专利]基于机器学习的食品安全风险模型的构建方法

权利要求书

1.基于机器学习的食品安全风险模型的构建方法，其特征在于，其包括以下步骤：

步骤S1、构建食品安全风险的评定指标集合，F＝{f₁,f₂,…f_i…f_n}，f_i代表第i个评定指标；

步骤S2、构建与所述评定指标集合F中各个评定指标对应的评分表，根据评分表，计算食品安全风险的各个评定指标的先验权重值，并构建食品安全风险评定指标的先验权重矩阵B＝[b₁ b₂…b_i…b_n]，b_i代表f_i的先验权重值；

步骤S3、对评定指标的先验权重矩阵，进行修正，得评定指标的矫正权重矩阵D＝[d₁d₂…d_i…d_n]，d_i代表f_i的矫正权重值；

步骤S4、获取企业的各个评定指标对应的风险标记值，并构建m个企业的风险标记矩阵A，

a_ji代表第j个企业的第i个评定指标的风险标记值；

步骤S5、获取各个企业的风险指数矩阵C，C＝A×D^T。

2.如权利要求1所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，还包括：

步骤S6、获取同一区域的多个企业的每一项评定指标的风险率，获取多个区域的各个评定指标的风险率矩阵E；

e_ji代表第j个区域的第i个评定指标的风险率；获取各个区域的风险指数矩阵F，F＝E×D^T。

3.如权利要求2所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，所述步骤S1中食品安全风险的评定指标集合包括：食品营业许可证、营业执照、食品营业许可证的有效期、摄像头设备、摄像头在线设备、自检自查以及参与培训。

4.如权利要求3所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，步骤S2中的评分表的构建具体为：成立餐饮企业食品安全专家小组，所述专家小组依据经验对各个评定指标进行评估打分，得评分表。

5.如权利要求4所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，第i个评定指标的先验权重值的计算方法为：

6.如权利要求5所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，所述步骤S3中的先验权重矩阵的修正具体为：

步骤S31、成立反馈评定指标结果的志愿者小组，采集志愿者小组的各个志愿者对各项评定指标的评分值的反馈结果，对任一评定指标的反馈结果包括赞成和反对；

步骤S32、统计各个评定指标的反馈结果，计算各评定指标的纯赞成数h_i，h_i＝赞成数-反对数；根据各评定指标的纯赞成数计算各个评定指标的众包权重，形成众包权重矩阵K＝[k₁ k₂…k_i…k_n]，k_i代表f_i的众包权重值；

步骤S33、获取各个评定指标的矫正权重矩阵D，D＝K+(K-B)×y，y为预设影响系数。

7.如权利要求6所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，预设影响系数为0.2。

8.如权利要求7所述的基于机器学习的食品安全风险模型的构建方法，其特征在于，每一项评定指标对应的风险标记值a＝0或1；

检查是否上传食品营业许可证，若上传，则食品营业许可证的风险标记值为0，若未上传，则食品营业许可证的风险标记值为1；

检查是否上传营业执照，若上传，则营业执照的风险标记值为0，若未上传，则营业执照的风险标记值为1；

检查食品营业许可证是否过期，若未过期，则食品营业许可证的有效期的风险标记值为0，若过期，则食品营业许可证的有效期的风险标记值为1；

检查有没有摄像头设备，若有，则摄像头设备的风险标记值为0，若没有，则摄像头设备的风险标记值为1；

检查有没有摄像头在线设备，若有，则摄像头在线设备的风险标记值为0，若没有，则摄像头在线设备的风险标记值为1；

检查餐饮企业有没有进行自检自查，若有，则自检自查的风险标记值为0，若没有，则自检自查的风险标记值为1；

检查餐饮员工有没有参与培训，若有，则参与培训的风险标记值为0，若没有，则参与培训的风险标记值为1。