基于类别嵌入的深度学习模型在欧盟数据上的食品安全风险预测
机器学习
2022-02-16 v1 计算与语言
摘要
世界正日益全球化，人们可在本地商店买到几乎来自世界各国的产品。鉴于各国食品与饲料安全法规不同，欧盟自 1977 年起开始登记所有与贸易产品相关的违规事件，以确保跨境信息监控，并在食品链中检测到公共健康风险时快速反应。该信息亦具有作为预防性工具的巨大潜力，以警示食品安全相关方并优化其资源。本文中，一组与食品问题相关的数据被抓取并采用机器学习技术分析，以预测未来通报的若干特征，从而可采取先发制人措施。本工作的新颖性在于两点：将类别嵌入与深度学习模型（多层感知机与一维卷积神经网络）结合使用，及其在解决欧盟食品问题预测问题上的应用。模型可预测若干特征：产品类别、危害类别以及最终应采取的适当措施。结果显示，系统预测这些特征的准确率介于 74.08% 至 93.06% 之间。
引用
@article{arxiv.2009.06704,
title = {Food safety risk prediction with Deep Learning models using categorical embeddings on European Union data},
author = {Alberto Nogales and Rodrigo Díaz Morón and Álvaro J. García-Tejedor},
journal= {arXiv preprint arXiv:2009.06704},
year = {2022}
}
备注
20 pages,8 figures, 15 tables