基于深度学习的食品安全事件实体一体化呈现平台构建

【目的】促进食品安全监管,加强对食品安全突发事件的预测、预警和应急响应工作,方便相关专业科研人员开展拓展研究,以及向民众简明直观地呈现食品安全事件发展态势。【方法】基于各大权威新闻网站上的食品安全事件新闻报道,经语料清洗、标注、组织构建了食品安全事件实体语料库,利用深度学习技术,对比分析Bi-LSTM、Bi-LSTM-CRF、IDCNN、IDCNN-CRF和BERT模型在食品安全事件实体语料库上的实体识别效果。【结果】在十折交叉验证中,BERT模型表现最佳,最高F值达到81.39%,平均F值较IDCNNCRF和Bi-LSTM-CRF模型分别提升5.50%和2.58%。基于Bi-LSTM-CRF模型,构建了食品安全事件实体一体化呈现平台。【局限】对复合式行政区划地点实体的识别能力有待提升。【结论】构建的语料库、模型及呈现平台能有效地为政策制定及食品行业监管提供参考建议。