[发明专利]线上控制食品风险的方法、服务器、终端及电子设备

权利要求书

1.一种线上控制食品风险的方法，其特征在于，包括：

获取评论文本以及关键词文本，所述关键词文本包括对应食品安全的各归因分析结果的关键词；

将所述评论文本和关键词文本输入至预先训练的风险识别模型，获得所述风险识别模型输出的所述评论文本的食品安全的最高风险等级以及目标归因分析结果；

其中，所述风险识别模型是以与餐饮相关的样本评论文本和关键词文本为训练样本，以所述样本评论文本的食品安全的最高风险等级和归因分析结果为训练标签训练而成。

2.根据权利要求1所述的线上控制食品风险的方法，其特征在于，所述风险识别模型包括定级模型；

所述将所述评论文本输入至预先训练的风险识别模型，获得所述风险识别模型输出的所述评论文本的食品安全的最高风险等级以及归因分析结果，包括：

将所述评论文本以及对应的拼音文本输入至所述定级模型，获得所述定级模型输出的所述评论文本的食品安全的最高风险等级；

其中，所述定级模型是根据所述样本评论文本以及对应的拼音文本为训练样本，以样本评论文本的食品安全的最高风险等级为训练标签训练而成。

3.根据权利要求2所述的线上控制食品风险的方法，其特征在于，所述定级模型还输出CLS向量；其中，所述最高风险等级是根据所述CLS向量确定的。

4.根据权利要求3所述的线上控制食品风险的方法，其特征在于，所述风险识别模型还包括归因模型；

所述将所述评论文本输入至预先训练的风险识别模型，获得所述风险识别模型输出的所述评论文本的食品安全的最高风险等级以及目标归因分析结果，包括：

将所述评论文本、所述CLS向量以及预设的关键词文本输入至所述归因模型，获得所述归因模型输出的所述评论文本的目标归因分析结果；

所述归因模型是根据所述样本评论文本、关键词文本以及所述定级模型输出的所述样本评论文本的CLS向量为训练样本，以样本评论文本的归因分析结果为训练标签训练而成。

5.根据权利要求4所述的线上控制食品风险的方法，其特征在于，所述定级模型包括输入层、预训练语言模型和分类层；

所述将所述评论文本以及对应的拼音文本输入至所述定级模型，获得所述定级模型输出的CLS向量以及所述评论文本的食品安全的最高风险等级，包括：

将所述评论文本和对应的拼音文本输入至所述输入层，获得所述输入层对所述评论文本进行字符级切分后输出的第一分词序列以及对所述拼音文本进行字符级切分后输出的第二分词序列；

将所述第一分词序列和第二分词序列输入至所述预训练语言模型，获得所述预训练语言模型输出的所述评论文本中各分词融合全文语义信息后的向量表示；

将所述向量表示输入至所述分类层，获得所述分类层通过池化、激活函数和全连接处理后输出的所述CLS向量以及所述评论文本的最高风险等级。

6.一种线上控制食品风险的方法，其特征在于，包括：

展示评论编辑界面，所述评论编辑界面中展示待发布的评论文本；

响应于针对所述评论文本的评论发布操作，展示发布后的所述评论文本，以及所述评论文本的食品安全的最高风险等级以及目标归因分析结果。

7.一种服务器，其特征在于，包括：

文本获取模块，用于获取评论文本以及关键词文本，所述关键词文本包括对应食品安全的各归因分析结果的关键词；

风险识别模块，用于将所述评论文本和关键词文本输入至预先训练的风险识别模型，获得所述风险识别模型输出的所述评论文本的食品安全的最高风险等级以及目标归因分析结果；

其中，所述风险识别模型是以与餐饮相关的样本评论文本和关键词文本为训练样本，以所述样本评论文本的食品安全的最高风险等级和归因分析结果为训练标签训练而成。