为解决小麦粉加工过程追溯质量安全信息交叉、单位个体追溯困难等问题,该研究在分析小麦粉加工流程和追溯关键信息的基础上,研究基于批次清单的信息追溯方法,以加工时间为依据结合高津托图(Gozintograph)数据结构构建批次清单(bill of l...
详细信息
为解决小麦粉加工过程追溯质量安全信息交叉、单位个体追溯困难等问题,该研究在分析小麦粉加工流程和追溯关键信息的基础上,研究基于批次清单的信息追溯方法,以加工时间为依据结合高津托图(Gozintograph)数据结构构建批次清单(bill of lots,BOL),实现小麦粉产品信息和关键节点活动信息的精确追溯;在BOL的基础上,利用鱼骨图和Petri网分别描述小麦粉质量追溯点的位置和危害指标;结合山东某面粉厂实际生产参数对追溯模型进行验证,实现小麦粉产品与原料的批次关联和其质量危害传播路径的预测。分析结果表明,通过使用BOL和Petri网追溯模型与传统方法相比实现召回批次数量由7个减少到4个、危害因素查找数量由6个减少到5个。该研究提高了小麦粉追溯精度和缺陷召回效率,为粮食等小颗粒产品加工过程的追溯提供了理论支持。
传统实体关系抽取方法中存在错误传播、实体冗余等问题,食品文本语料中存在主实体对应多个关系的特点,针对此情况,提出一种面向互联网食品文本领域的实体关系联合抽取方法。采用序列标注标签和实体关系匹配规则,将实体关系抽取任务转化为序列标注问题;引入基于位置感知的领域词注意力机制的字词双维度语义编码向量,增强文本的语义表征;在对句子进行字词双维度表示的基础上结合双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)和条件随机场(conditional random field,CRF)构建了序列标注模型(position attention-bidirectional encoder representation from transformer,PA-BERT),实现实体关系联合抽取。对比实验证明,提出的实体关系联合抽取模型在食品数据集上的准确率比常用深度神经网络模型高出6%~11%,在食品文本实体关系抽取中是有效性的。
暂无评论