CN111915206B - 一种识别食品风险传导的方法 - Google Patents
一种识别食品风险传导的方法 Download PDFInfo
- Publication number
- CN111915206B CN111915206B CN202010798949.6A CN202010798949A CN111915206B CN 111915206 B CN111915206 B CN 111915206B CN 202010798949 A CN202010798949 A CN 202010798949A CN 111915206 B CN111915206 B CN 111915206B
- Authority
- CN
- China
- Prior art keywords
- risk
- food
- detection
- item
- class
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 84
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 239000004020 conductor Substances 0.000 claims abstract description 22
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 235000015219 food category Nutrition 0.000 claims abstract description 10
- 239000000470 constituent Substances 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 4
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 239000008157 edible vegetable oil Substances 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 235000012041 food component Nutrition 0.000 description 2
- 239000005417 food ingredient Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fuzzy Systems (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明公开一种识别食品风险传导的方法，首先根据风险传导者品类，关联具有相同主成分的关联品类，然后根据所有关联品类的检测项目计算关联食品品类和组成成分之间的关联矩阵。最后基于得到的关联矩阵分析品类‑检测项目风险，得到在不同风险系数下关联食品品类之间的风险传导关系图。本发明能够有效解决现有技术中无法有效量化关联食品风险和风险传导的问题；通过建立基于食品间成分的关联关系，实现了同源食品间风险传导的挖掘分析。有效保证了食品安全识别的精准度。
Description
技术领域
本发明属于食品安全管理技术领域，特别是涉及一种识别食品风险传导的方法。
背景技术
随着社会经济的发展，越来越多的人开始重视健康，尤其注重入口食品的安全。随着各种重大卫生事故爆发以后，广大消费者对于食品安全更加担忧和关注。在食品供应链变得日益复杂的当今世界，任何食品安全事件都可能对公众健康、贸易和经济产生负面影响。
食品安全风险识别及追踪一直是食品安全风险分析领域中的重点和难点。但是现有技术中无法有效量化关联食品的风险和风险传导，给食品安全识别的精准度带来了巨大的影响。
发明内容
为了解决上述问题，本发明提出了一种识别食品风险传导的方法，能够有效解决现有技术中无法有效量化关联食品的风险和风险传导问题；通过建立基于食品间成分的关联关系，实现了同源食品间风险传导的数据挖掘分析。有效保证了食品安全识别的精准度。
为达到上述目的，本发明采用的技术方案是：一种识别食品风险传导的方法，包括步骤：
步骤1：获取和存储关联食品品类数据：采集食品检测项目数据并存储在数据库中；
步骤2：获取风险传导者和关联品类：根据检测项目数据得到其中的风险传导者品类，并关联具有相同主成分的食品品类；
步骤3：计算关联矩阵：根据具有相同主成分的食品品类计算关联品类和组成成分之间的关联矩阵；
步骤4：获得关联食品品类的风险传导关系：根据关联矩阵计算在不同风险传导系数下属于被传导品类的关联品类，得到有被传导风险的检测项目；获得风险传导关系图；并通过可视化页面展示关联食品品类的风险传导关系图。
进一步的是，在所述步骤1中，还包括对采集到的食品检测项目数据进行数据清洗，删除部分缺失检测结果的检测项目数据，得到清洗后的食品检测项目数据并存储在数据库中。
进一步的是，在步骤2中，所述关联品类的选取标准为：根据关联品类中分类标准为细类的品类检索其在数据库细类中所对应的名称，对于数据库细类中不存在的品类不予考虑。
进一步的是，对于所述分类标准中为亚类和次亚类的品类，同样检索其在数据库细类中对应的名称，对于这些品类采取其在对应细类中的品类名称，对于数据库中不存在的亚类和次亚类数据同样不予考虑。
进一步的是，在所述步骤3中，根据具有相同主成分的食品品类计算关联品类和组成成分之间的关联矩阵，计算过程包括：
在检测项目数据中获取某一风险传导者所有关联品类中的不合格检测项目，得到关联品类相关检测项目的关联矩阵；其中，每一列数据为所有相关品类中的某一检测项目的检测结果，每一行数据为某一品类的所有检测项目的检测结果；对于每一个关联品类，含有不合格检验项目批次的检测项目其值为1，全部检测合格其值为0，未检测其值为-1。
进一步的是，根据所述关联矩阵，计算对应的风险传导者关联品类中每一个检测项目的不合格率，对每一个检测项目依次类推，计算其所对应的关联品类中的检测不合格率。
进一步的是，在所述步骤4中，根据关联矩阵计算在不同风险传导系数下属于被传导品类的关联品类中，所述风险传导系数为R，其取值为0到1，表示以某一食品品类作为风险发出者对风险关联品类的影响程度；其中R＝1表示所有关联品类中某一检测项目的不合格率为100％，R＝0表示所有关联品类中某一检测项目的不合格率为0％。
进一步的是，根据所述风险传导系数得到风险传导者所对应的关联品在不同风险传导系数下的风险传达关系图。
进一步的是，根据不同风险传导系数的取值得到关联品类中存在不合格检测批次的检测项目和所有批次检测合格的项目，以及未检测的项目，从而得到关联品类的风险传导关系图。
采用本技术方案的有益效果：
本发明提出了一种量化关联食品和组成成分之间关系的风险传导方法，得到了关联食品和组成成分之间的关联矩阵，然后根据风险传导者品类计算哪些关联品类是被传导品类，最后通过可视化页面展示风险传导关系图。该方法首先根据风险传导者品类，关联具有相同主成分的关联品类，然后根据所有关联品类的检测项目计算关联食品品类和组成成分之间的关联矩阵。最后基于得到的关联矩阵分析品类-检测项目风险，得到在不同风险传导系数下关联食品品类之间的风险传导关系图。能够有效解决现有技术中无法有效量化关联食品的风险和风险传导的问题；通过建立基于食品间成分的关联关系，实现了同源食品间风险传导的数据挖掘分析。有效保证了食品安全识别的精准度。
本发明根据采集到的关联食品品类建立了品类-检测项目关联矩阵，其能够有效量化所有关联品类和检测项目之间的关系。本发明根据定义的风险传导系数可以得到在不同风险传导系数下关联食品品类的风险传导关系图，通过可视化的风险传导关系图可以更好的展示不同食品间风险传导者品类和被传导者品类之间的关联关系。
附图说明
图1为本发明的一种识别食品风险传导的方法流程示意图；
图2为本发明实施例中某一食品作为风险传导者的风险传导示例示意图；
图3为本发明实施例中关联矩阵示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1和图2所示，本发明提出了一种识别食品风险传导的方法，包括步骤：
步骤1：获取和存储关联食品品类数据：采集食品检测项目数据并存储在数据库中；
步骤2：获取风险传导者和关联品类：根据检测项目数据得到其中的风险传导者品类，并关联具有相同主成分的食品品类；
步骤3：计算关联矩阵：根据具有相同主成分的食品品类计算关联品类和组成成分之间的关联矩阵；
步骤4：获得关联食品品类的风险传导关系：根据关联矩阵计算在不同风险传导系数下属于被传导品类的关联品类，得到有被传导风险的检测项目；获得风险传导关系图；并通过可视化页面展示关联食品品类的风险传导关系图。
作为上述实施例的优化方案，在所述步骤1中，还包括对采集到的食品检测项目数据进行数据清洗，删除部分缺失检测结果的检测项目数据，得到清洗后的食品检测项目数据并存储在数据库中。
作为上述实施例的优化方案，在所述步骤2中，所述关联品类的选取标准为：根据关联品类中分类标准为细类的品类检索其在数据库细类中所对应的名称，对于数据库细类中不存在的品类不予考虑。
对于所述分类标准中为亚类和次亚类的品类，同样检索其在数据库细类中对应的名称，对于这些品类采取其在对应细类中的品类名称，对于数据库中不存在的亚类和次亚类数据同样不予考虑。
作为上述实施例的优化方案，在所述步骤3中，如图3所示；根据具有相同主成分的食品品类计算关联品类和组成成分之间的关联矩阵，计算过程包括：
在检测项目数据中获取某一风险传导者所有关联品类中的不合格检测项目，得到关联品类相关检测项目的关联矩阵；其中，每一列数据为所有相关品类中的某一检测项目的检测结果，每一行数据为某一品类的所有检测项目的检测结果；对于每一个关联品类，含有不合格检验项目批次的检测项目其值为1，全部检测合格其值为0，未检测其值为-1。
根据所述关联矩阵，计算对应的风险传导者关联品类中每一个检测项目的不合格率，对每一个检测项目依次类推，计算其所对应的关联品类中的检测不合格率。
作为上述实施例的优化方案，在所述步骤4中，根据关联矩阵计算在不同风险传导系数下属于被传导品类的关联品类中，所述风险传导系数为R，其取值为0到1，表示以某一品类作为风险发出者对风险接收者(关联品类)的影响程度；其中R＝1表示所有关联品类中某一检测项目的不合格率为100％，R＝0表示所有关联品类中某一检测项目的不合格率为0％。
根据所述风险传导系数得到风险传导者所对应的关联品类在不同风险传导系数下的风险传导关系图。
根据不同风险传导系数的取值得到关联品类中存在不合格检测批次的检测项目和所有批次检测合格的项目，以及未检测的项目，从而得到关联品类的风险传导关系图。
以R＝0.4为例，获取上述所有关联品类检测项目中相关品类检测项目中风险传导品类中存在不合格的检测项目和不合格率大于等于0.4的不合格检测项目所对应的其余不合格品类(关联矩阵中值为1的检测项目所对应的品类)、相关联品类(关联矩阵中值为0和的检测项目所对应的品类)和未检测品类(关联矩阵中值为-1的检测项目所对应的品类)，最终得到风险传导者和被传导者针对风险系数大于等于0.4的每一个检测项目的不合格品类、关联品类和未检测品类。
本方法中的数据来源可以是从政府或其他公开渠道获取的食品成分检测数据，本发明对分析的食品品类对象不进行限制。本方法适用于所有常见的食品风险传导分析。
本方法或本***建立了品类-检测项目关联矩阵并分析了不同食品品类之间的风险传导关系，对有关部门针对食品药品的监督和管理有重要的指导意义。
经验证，对于采集到的3000多万食品成分检验数据，本方法针对小麦粉和食用植物油的相关联品类做了风险传导分析，得到了小麦粉和食用植物油关联品类的风险传导关系图。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种识别食品风险传导的方法，其特征在于，包括步骤：
步骤1：获取和存储关联食品品类数据：采集食品检测项目数据并存储在数据库中；
步骤2：获取风险传导者和关联品类：根据检测项目数据得到其中的风险传导者品类，并关联具有相同主成分的食品品类；
步骤3：计算关联矩阵：根据具有相同主成分的食品品类计算关联品类和组成成分之间的关联矩阵；
步骤4：获得关联食品品类的风险传导关系：根据关联矩阵计算在不同风险传导系数下属于被传导品类的关联品类，得到有被传导风险的检测项目；所述风险传导系数为R，其取值为0到1，表示以某一品类作为风险传导者对风险关联品类的影响程度；其中R＝1表示所有关联品类中某一检测项目的不合格率为100％，R＝0表示所有关联品类中某一检测项目的不合格率为0％；根据所述风险传导系数得到风险传导者所对应的关联品类在不同风险传导系数下的风险传导关系图；并通过可视化页面展示关联食品品类的风险传导关系图，根据不同风险传导系数的取值得到关联品类中存在不合格检测批次的检测项目和所有批次检测合格的项目，以及未检测的项目，从而得到关联品类的风险传导关系图。
2.根据权利要求1所述的一种识别食品风险传导的方法，其特征在于，在所述步骤1中，还包括对采集到的食品检测项目数据进行数据清洗，删除部分缺失检测结果的检测项目数据，得到清洗后的食品检测项目数据并存储在数据库中。
3.根据权利要求1所述的一种识别食品风险传导的方法，其特征在于，在步骤2中，所述关联品类的选取标准为：根据关联品类中分类标准为细类的品类检索其在数据库细类中所对应的名称，对于数据库细类中不存在的品类不予考虑。
4.根据权利要求3所述的一种识别食品风险传导的方法，其特征在于，对于所述分类标准中为亚类和次亚类的品类，同样检索其在数据库细类中对应的名称，对于这些品类采取其在对应细类中的品类名称，对于数据库中不存在的亚类和次亚类数据同样不予考虑。
5.根据权利要求1所述的一种识别食品风险传导的方法，其特征在于，在所述步骤3中，根据具有相同主成分的食品品类计算关联品类和组成成分之间的关联矩阵，计算过程包括：
在检测项目数据中获取某一风险传导者所有关联品类中的不合格检测项目，得到关联品类相关检测项目的关联矩阵；其中，每一列数据为所有相关品类中的某一检测项目的检测结果，每一行数据为某一品类的所有检测项目的检测结果；对于每一个关联品类，含有不合格检验项目批次的检测项目其值为1，全部检测合格其值为0，未检测其值为-1。
6.根据权利要求5所述的一种识别食品风险传导的方法，其特征在于，根据所述关联矩阵，计算对应的风险传导者关联品类中每一个检测项目的不合格率，对每一个检测项目依次类推，计算其所对应的关联品类中的检测不合格率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010798949.6A CN111915206B (zh) | 2020-08-11 | 2020-08-11 | 一种识别食品风险传导的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010798949.6A CN111915206B (zh) | 2020-08-11 | 2020-08-11 | 一种识别食品风险传导的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915206A CN111915206A (zh) | 2020-11-10 |
| CN111915206B true CN111915206B (zh) | 2024-02-27 |
Family
ID=73284780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010798949.6A Active CN111915206B (zh) | 2020-08-11 | 2020-08-11 | 一种识别食品风险传导的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915206B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005190402A (ja) * | 2003-12-26 | 2005-07-14 | Hitachi Ltd | リスク評価支援システム、情報処理装置、リスク評価支援方法、及びプログラム |
| KR101138444B1 (ko) * | 2011-12-05 | 2012-04-24 | 한국토지주택공사 | 입체/복합 개발사업의 리스크 관리 및 성과 관리 통합 시스템 |
| CN105046362A (zh) * | 2015-07-24 | 2015-11-11 | 河南科技大学 | 一种基于关联规则挖掘的食品安全实时预测方法 |
| US9691090B1 (en) * | 2016-04-01 | 2017-06-27 | OneTrust, LLC | Data processing systems and methods for operationalizing privacy compliance and assessing the risk of various respective privacy campaigns |
| CN108960685A (zh) * | 2018-08-21 | 2018-12-07 | 中国农业银行股份有限公司 | 基于商业银行客户关联关系的风险传导评估方法和装置 |
| CN109740865A (zh) * | 2018-12-13 | 2019-05-10 | 平安科技（深圳）有限公司 | 风险评估方法、***、设备及存储介质 |
| CN109800976A (zh) * | 2019-01-07 | 2019-05-24 | 平安科技（深圳）有限公司 | 项目投资决策方法、装置、计算机设备和存储介质 |
| CN109801005A (zh) * | 2019-03-26 | 2019-05-24 | 北京金和网络股份有限公司 | 基于机器学习的食品安全风险模型的构建方法 |
| CN109829614A (zh) * | 2018-12-26 | 2019-05-31 | 航天信息股份有限公司 | 一种基于靶标模型的食品风险量化分级方法及*** |
| CN110428121A (zh) * | 2019-04-23 | 2019-11-08 | 贵州大学 | 基于灰色关联分析的隐马尔可夫模型食品质量评估方法 |
| CN110458324A (zh) * | 2019-07-04 | 2019-11-15 | 重庆金融资产交易所有限责任公司 | 风险概率的计算方法、装置和计算机设备 |
| CN111241300A (zh) * | 2020-01-09 | 2020-06-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、***、设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090018891A1 (en) * | 2003-12-30 | 2009-01-15 | Jeff Scott Eder | Market value matrix |
| US7467045B2 (en) * | 2006-01-20 | 2008-12-16 | Schlumberger Technology Corporation | Method for assessment of uncertainty and risk |
| JP5311085B2 (ja) * | 2011-01-24 | 2013-10-09 | 日本電気株式会社 | リスク分析システム及びリスク分析方法 |
| CA2828751C (en) * | 2011-03-01 | 2019-04-02 | Early Warning Services, Llc | System and method for suspect entity detection and mitigation |
-
2020
- 2020-08-11 CN CN202010798949.6A patent/CN111915206B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005190402A (ja) * | 2003-12-26 | 2005-07-14 | Hitachi Ltd | リスク評価支援システム、情報処理装置、リスク評価支援方法、及びプログラム |
| KR101138444B1 (ko) * | 2011-12-05 | 2012-04-24 | 한국토지주택공사 | 입체/복합 개발사업의 리스크 관리 및 성과 관리 통합 시스템 |
| CN105046362A (zh) * | 2015-07-24 | 2015-11-11 | 河南科技大学 | 一种基于关联规则挖掘的食品安全实时预测方法 |
| US9691090B1 (en) * | 2016-04-01 | 2017-06-27 | OneTrust, LLC | Data processing systems and methods for operationalizing privacy compliance and assessing the risk of various respective privacy campaigns |
| CN108960685A (zh) * | 2018-08-21 | 2018-12-07 | 中国农业银行股份有限公司 | 基于商业银行客户关联关系的风险传导评估方法和装置 |
| CN109740865A (zh) * | 2018-12-13 | 2019-05-10 | 平安科技（深圳）有限公司 | 风险评估方法、***、设备及存储介质 |
| CN109829614A (zh) * | 2018-12-26 | 2019-05-31 | 航天信息股份有限公司 | 一种基于靶标模型的食品风险量化分级方法及*** |
| CN109800976A (zh) * | 2019-01-07 | 2019-05-24 | 平安科技（深圳）有限公司 | 项目投资决策方法、装置、计算机设备和存储介质 |
| CN109801005A (zh) * | 2019-03-26 | 2019-05-24 | 北京金和网络股份有限公司 | 基于机器学习的食品安全风险模型的构建方法 |
| CN110428121A (zh) * | 2019-04-23 | 2019-11-08 | 贵州大学 | 基于灰色关联分析的隐马尔可夫模型食品质量评估方法 |
| CN110458324A (zh) * | 2019-07-04 | 2019-11-15 | 重庆金融资产交易所有限责任公司 | 风险概率的计算方法、装置和计算机设备 |
| CN111241300A (zh) * | 2020-01-09 | 2020-06-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、***、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 大数据背景下我国食品安全风险预警因素研究;***;冯兰萍;;科技管理研究;20180910(17);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915206A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jha et al. | Time series forecasting model for supermarket sales using FB-prophet | |
| Peng et al. | A hybrid data mining approach on BIM-based building operation and maintenance | |
| Zhang et al. | A control chart for the Gamma distribution as a model of time between events | |
| CN109409430B (zh) | 交通事故数据智能分析与综合应用*** | |
| CN109191338B (zh) | 基于校园一卡通消费数据的学生行为预警方法 | |
| US10579035B2 (en) | Quality monitoring in a packaging line | |
| WO2021103401A1 (zh) | 数据对象分类方法、装置、计算机设备和存储介质 | |
| CN104616180A (zh) | 一种热销商品预测方法 | |
| CN114005530A (zh) | 区域内医学重复检查、检验智能提醒与监管方法及*** | |
| He et al. | Identifying user behavior on Twitter based on multi-scale entropy | |
| CN111915206B (zh) | 一种识别食品风险传导的方法 | |
| CN117472979A (zh) | 一种基于大数据分析的检验检测信息化方法及*** | |
| TW200617627A (en) | On-line quality control information system and method | |
| CN108122059B (zh) | 一种药品生产企业的生产风险识别的方法及自动预警*** | |
| CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
| CN114586025A (zh) | 分析装置、控制方法和程序 | |
| Moon et al. | Top health trends: An information visualization tool for awareness of local health trends. | |
| CN117370448B (zh) | 品牌数字资产洞察分析方法 | |
| KR20160076783A (ko) | 위해인자 예측 시스템 및 방법 | |
| US12013812B2 (en) | Method and system for analyzing data in a database | |
| Porzio et al. | Visually Mining Off‐line Data for Quality Improvement | |
| Yuan | Research on Food Safety Supervision System Based on Computer Big Data Visualization Analysis System | |
| Iamratanakul | RETRACTED ARTICLE The application of lean practices on new product development processes | |
| LI et al. | Measuring the Moderating Effect of Gender on Organic Food Purchase Intentions in China based on Theory of Planned Behavior | |
| Sampedro | Risk Ranking: Moving towards a Risk-Based Inspection and Surveillance System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: No.10, Wuxing 2nd Road, Wuhou Science Park, Chengdu, Sichuan 610000 Applicant after: CHENGDU FOOD AND DRUG INSPECTION INSTITUTE Applicant after: Chengdu shuzhilian Technology Co.,Ltd. Address before: No.10, Wuxing 2nd Road, Wuhou Science Park, Chengdu, Sichuan 610000 Applicant before: CHENGDU FOOD AND DRUG INSPECTION INSTITUTE Applicant before: CHENGDU SHUZHILIAN TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |