[发明专利]一种基于商品属性的质量风险评估方法

摘要

本发明公开了一种基于商品属性的质量安全风险评估方法。包括6个步骤：选择风险因素、构建模糊规则库、商品固有风险评估、商品历史风险评估、风险综合评价以及风险值输出。综合风险评价采用定性与定量相结合。在定性方面，将风险评价等级分为“无危害”，“低危害”，“中危害”和“高危害”四个等级，根据模糊规则确定商品属性值对应的风险等级；在定量方面，对基于历史不合格信息的风险发生概率进行计算；在综合评价方面，采用智能算法学习各种风险因素的权重，进而确定商品综合风险的加权计算公式。本发明解决了我国进出口商品质量安全风险评估中风险因素收集不全、风险评估过程依赖人工程度高、风险因素权重固化等问题。

主权项

1.一种基于商品属性的质量风险评估方法，其特征在于包括以下6个步骤：步骤1、选择风险因素：设定两类风险因素，即商品的固有风险和历史风险；商品的固有风险为国家标准和法规对该类商品的属性要求，商品的每一种属性对应于一种风险因素；商品的历史风险包括类别风险、品牌风险和原产地风险，分别对应于从历史检测数据中估计出的一类商品的总体风险、某种品牌商品的总体风险以及产于特定地区商品的总体风险；步骤2、构建模糊规则库：对于纳入风险评估范围的商品种类，对照国家标准，将标准对于商品属性的要求，每一项转化为一条模糊规则，包括以下子步骤：步骤2‑1：针对法规条款“商品x的y属性的值，应该从a到b”，如下建立模糊规则：当x的y属性的值等于(a+b)/2时，风险因素产生“无危害”后果的真值为1，当y的值从(a+b)/2减少到a或增加到b时，风险因素产生“无危害”后果的真值线性下降到0；当x的y属性的值等于a或b时，风险因素产生“低危害”后果的真值为1，当y的值从a减少到(3a‑b)/2或增加到(a+b)/2时，风险因素产生“低危害”后果的真值线性下降到0，当y的值从b减少到(a+b)/2或增加到(3b‑a)/2时，风险因素产生“低危害”后果的真值线性下降到0；当x的y属性的值等于(3a‑b)/2或(3b‑a)/2时，风险因素产生“中危害”后果的真值为1，当y的值从(3a‑b)/2减少到2a‑b或增加到a时，风险因素产生“中危害”后果的真值线性下降到0，当y的值从(3b‑a)/2减少到b或增加到2b‑a时，风险因素产生“中危害”后果的真值线性下降到0；当x的y属性的值小于等于2a‑b或大于等于2b‑a时，风险因素产生“高危害”后果的真值为1，当y的值从2a‑b增加到(3a‑b)/2，或从2b‑a减少到(3b‑a)/2时，风险因素产生“高危害”后果的真值线性下降到0；对于其他未列明的y属性值，其产生各种危害成果的真值都为0；步骤2‑2：针对法规条款“商品x的y属性的值不应超过c”，如下建立模糊规则：当x的y属性的值小于等于c/2时，风险因素产生“无危害”后果的真值为1，当y的值从c/2增加到c时，风险因素产生“无危害”后果的真值线性下降到0；当x的y属性的值等于c时，风险因素产生“低危害”后果的真值为1，当y的值从c减少到c/2或增加到3c/2时，风险因素产生“低危害”后果的真值线性下降到0；当x的y属性的值等于3c/2时，风险因素产生“中危害”后果的真值为1，当y的值从3c/2减少到c或增加到2c时，风险因素产生“中危害”后果的真值线性下降到0；当x的y属性的值大于等于2c时，风险因素产生“高危害”后果的真值为1，当y的值从2c减少到3c/2时，风险因素产生“高危害”后果的真值线性下降到0；对于其他未列明的y属性值，其产生各种危害成果的真值都为0；步骤2‑3：针对法规条款“商品x的y属性的值至少应达到d”，如下建立模糊规则：当x的y属性的值大于等于3d/2时，风险因素产生“无危害”后果的真值为1，当y的值从3d/2减少到d时，风险因素产生“无危害”后果的真值线性下降到0；当x的y属性的值等于d时，风险因素产生“低危害”后果的真值为1，当y的值从d减少到d/2或增加到3d/2时，风险因素产生“低危害”后果的真值线性下降到0；当x的y属性的值等于d/2时，风险因素产生“中危害”后果的真值为1，当y的值从d/2减少到0或增加到d时，风险因素产生“中危害”后果的真值线性下降到0；当x的y属性的值等于0时，风险因素产生“高危害”后果的真值为1，当y的值从0增加到d/2时，风险因素产生“高危害”后果的真值线性下降到0；对于其他未列明的y属性值，其产生各种危害成果的真值都为0；步骤2‑4：针对推荐、允许和拒绝特定商品属性值的法规条款，如下建立模糊规则：依次为“无危害”、“低危害”、“中危害”和“高危害”设定形状为等腰三角形的隶属度函数，三角形的高为1，底边在x轴上且长度相等，后一三角形的左下顶点与前一三角形的底边中点重合，将所有推荐、允许和拒绝的商品属性值在x轴上标出，则某一属性值产生某一危害后果的真值为该属性值对该危害后果的隶属度；步骤3、商品固有风险评估，包括以下子步骤：步骤3‑1：取得商品类型，以及该商品各项属性值信息；步骤3‑2：对于商品属性，也即风险因素i，计算其风险等级v(i)＝argmax_lTruth(i,l) l＝0,1,2,3其中l为风险等级，l＝0,1,2,3分别表示“无危害”，“低危害”，“中危害”和“高危害”；Truth(i,l)是由步骤2‑1到步骤2‑4中所建立模糊规则推断出来的，衡量i属于l级的真值；步骤3‑3：对于固有风险因素i，其风险输出为r^I(i)＝P^I(i)*v(i)其中因素i被激活的意思是该商品的已知信息中包含属性i的具体值；步骤4、商品历史风险评估，包括以下子步骤：步骤4‑1：取得商品质量检测历史数据，对于每一笔被检查过的商品，历史数据中应包括该笔商品的种类、品牌、产地和风险等级；步骤4‑2：对于检测数据中使用“无危害”、“低危害”、“中危害”和“高危害”四种语言变量描述风险等级的商品记录，历史风险因素j具有风险等级l的概率为其中e_j为含有风险因素j的检测记录，L(e_j)为e_j的风险等级，l＝0,1,2,3分别表示“无危害”，“低危害”，“中危害”和“高危害”；步骤4‑3：对于检测数据中没有使用“无危害”、“低危害”、“中危害”和“高危害”四种等级描述风险等级的商品记录，使用步骤2‑4中的隶属函数将风险等级的其他描述转换为所述四种等级；具体来说，计算每个旧的风险等级对“无危害”、“低危害”、“中危害”和“高危害”四种等级的隶属度，选择隶属度最大的等级作为该旧风险等级的新等级，从而完成转换；步骤4‑4：对于历史风险因素j，其风险输出为r^H(j)＝∑_lP_l^H(j)*l l＝0,1,2,3步骤5、风险综合评价：使用以下公式来汇总每个风险因素的结果：依据以往对商品质量的检测结果，对多种风险因素进行线性回归，进而得到上式中风险因素的权重w^I_i和w^H_j；步骤6、风险值输出：使用步骤(5)中创建的风险综合评价公式计算商品的最终风险值。