秦 麗，郝志剛，李國亮*

（1.華中農(nóng)業(yè)大學(xué)信息學(xué)院，武漢 430070；2.湖北省農(nóng)業(yè)大數(shù)據(jù)工程技術(shù)研究中心（華中農(nóng)業(yè)大學(xué)），武漢 430070）

0 引言

食品標(biāo)準(zhǔn)的重要性不言而喻。在眾多的食品標(biāo)準(zhǔn)中，最重要的當(dāng)屬食品安全標(biāo)準(zhǔn)，它是唯一強(qiáng)制執(zhí)行的食品標(biāo)準(zhǔn)。食品安全標(biāo)準(zhǔn)分為國家標(biāo)準(zhǔn)和地方標(biāo)準(zhǔn)兩大類，其中食品安全國家標(biāo)準(zhǔn)又包括通用標(biāo)準(zhǔn)、產(chǎn)品標(biāo)準(zhǔn)、生產(chǎn)經(jīng)營規(guī)范、檢驗(yàn)方法與規(guī)程四種，主要涵蓋了8 個方面的內(nèi)容：食品、食品添加劑、食品相關(guān)產(chǎn)品中的致病性微生物、農(nóng)藥殘留、獸藥殘留、生物毒素、重金屬等污染物質(zhì)以及其他危害人體健康物質(zhì)的限量規(guī)定。從農(nóng)田到餐桌，食品安全標(biāo)準(zhǔn)既是食品生產(chǎn)經(jīng)營者必須遵循的最低要求，也是食品能夠合法生產(chǎn)、消費(fèi)的通行證，更是政府監(jiān)管部門執(zhí)法時的依據(jù)準(zhǔn)則。但食品安全標(biāo)準(zhǔn)內(nèi)容龐雜，數(shù)量繁多，覆蓋內(nèi)容廣泛，并且相互引用形式多樣，普通人難以理清其中的關(guān)系，閱讀起來非常困難。雖然國家對于食品安全問題的研究也從未間斷過，但是對于食品安全標(biāo)準(zhǔn)的系統(tǒng)性分析和結(jié)構(gòu)研究卻幾乎沒有。本文針對食品安全標(biāo)準(zhǔn)的內(nèi)容與彼此之間的引用關(guān)系，借助知識圖譜技術(shù)進(jìn)行內(nèi)容抽取與相關(guān)性分析，實(shí)現(xiàn)食品安全標(biāo)準(zhǔn)的圖譜化，并在此基礎(chǔ)之上構(gòu)建一個問答系統(tǒng)，完成基于自然語言的食品安全標(biāo)準(zhǔn)的知識檢索與推理。

1 相關(guān)工作

自從Google 在2012 年提出知識圖譜（Knowledge Graph，KG）這一新的技術(shù)以來，知識圖譜以及相關(guān)技術(shù)的研究取得了長足的發(fā)展。在統(tǒng)計(jì)學(xué)、計(jì)量學(xué)、信息科學(xué)等方面知識圖譜這一技術(shù)有著廣泛的應(yīng)用。知識圖譜本質(zhì)上是一種稱為語義網(wǎng)絡(luò)的知識庫［1］，旨在描述客觀世界的概念、實(shí)體、事件及其間的關(guān)系［2］。

目前，對于知識圖譜的研究和應(yīng)用多為知識圖譜的構(gòu)建和存儲。國內(nèi)現(xiàn)有的知識圖譜資源有Zhishi.me［3］等，國外資源有DBpedia［4-5］、Yago［6-7］、Wikidata［8］等；國內(nèi)的圖數(shù)據(jù)庫有北京大學(xué)的gStore［9］，國外的有neo4j［10］、jena［11］、GraphDB（Simple graph API for SQL Server）等。而知識圖譜的應(yīng)用則相當(dāng)廣泛，但是為食品安全國家標(biāo)準(zhǔn)建立知識圖譜的研究卻少有涉及，其中的主要原因是食品安全標(biāo)準(zhǔn)數(shù)量繁多，既有國家標(biāo)準(zhǔn)，又有地方標(biāo)準(zhǔn)，還有行業(yè)標(biāo)準(zhǔn)，且標(biāo)準(zhǔn)間的形式與定義規(guī)則皆不統(tǒng)一，特別是不同部門對基礎(chǔ)食品的分類與名稱定義也有較大的出入，這對采用自動化技術(shù)進(jìn)行概念與關(guān)系識別帶來很大困難。目前，學(xué)術(shù)上無論是食品領(lǐng)域還是農(nóng)業(yè)領(lǐng)域都沒有可以參考的專業(yè)詞庫，少量的農(nóng)業(yè)與食品方面的詞匯庫也都是從公共網(wǎng)絡(luò)上采集的，實(shí)體名與關(guān)系名稱既不準(zhǔn)確也不完備，且存在相互不一致的地方很多，讓人無法處理，這也給需要大量準(zhǔn)確訓(xùn)練數(shù)據(jù)的自動化知識抽取技術(shù)帶來很大困難，所以目前的研究需要更多地從專業(yè)文檔入手，梳理標(biāo)準(zhǔn)文檔之間的關(guān)系，建立統(tǒng)一的食品分類方式或者編碼方式以及適用于食品安全領(lǐng)域的專業(yè)本體，從而達(dá)到使用更先進(jìn)的自動化技術(shù)來進(jìn)一步完善相關(guān)知識圖譜的目的。但在本體完善之前，還需要使用一些傳統(tǒng)的方法來追求概念與關(guān)系抽取的準(zhǔn)確性與專業(yè)性。本文主要研究如何將知識圖譜技術(shù)應(yīng)用到食品安全國家標(biāo)準(zhǔn)的內(nèi)容抽取與關(guān)系挖掘上。本文收集了截至2019 年8 月的1 263 項(xiàng)食品安全國家標(biāo)準(zhǔn)，并對這些標(biāo)準(zhǔn)按照文本結(jié)構(gòu)與語法特點(diǎn)進(jìn)行分類，針對每類標(biāo)準(zhǔn)制定不同抽取策略與算法，以實(shí)現(xiàn)它們的知識圖譜化。

2 食品安全標(biāo)準(zhǔn)知識圖譜構(gòu)建

本文對食品安全國家標(biāo)準(zhǔn)進(jìn)行知識與關(guān)系抽取，主要包括食品標(biāo)準(zhǔn)之間的引用關(guān)系與食品安全標(biāo)準(zhǔn)中的食品安全規(guī)定與限定內(nèi)容。在抽取知識時，主要采用基于句法分析與關(guān)鍵字匹配的方法進(jìn)行，因?yàn)槭称钒踩珮?biāo)準(zhǔn)文件種類繁多，且各個部門對食品安全相關(guān)概念及食品名稱沒有統(tǒng)一的描述與分類，尤其農(nóng)業(yè)部門、食品生產(chǎn)與檢驗(yàn)部門在食品分類與名稱上的描述差異比較明顯，所以到現(xiàn)在為止也沒有食品相關(guān)的專業(yè)詞庫與本體可以使用，這使得在使用一些被廣泛研究的新文本分析技術(shù)時，會因?yàn)槿狈?zhǔn)確而統(tǒng)一的訓(xùn)練集而失去準(zhǔn)確性與專業(yè)性要求，這對于食品安全領(lǐng)域來說，是十分重要的，所以在針對食品安全標(biāo)準(zhǔn)進(jìn)行知識提取時，還是采取了抽取結(jié)果比較準(zhǔn)確的傳統(tǒng)方法來實(shí)現(xiàn)，而一些文獻(xiàn)中所提出的基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)［12-14］的方法經(jīng)過實(shí)驗(yàn)，在知識抽取上還有較大的不足，所以沒有采用，本文關(guān)于食品安全國家標(biāo)準(zhǔn)的知識抽取與關(guān)系挖掘過程如圖1所示。

圖1 知識圖譜構(gòu)建流程Fig.1 Knowledge graph construction process

2.1 數(shù)據(jù)采集

從網(wǎng)上收集的1 263項(xiàng)食品安全國家標(biāo)準(zhǔn)，經(jīng)過整理與篩選后，去除一部分加密文檔以及一些圖片形式的文檔，得到1 142 個食品安全標(biāo)準(zhǔn)文本文件作為實(shí)驗(yàn)初始數(shù)據(jù)集。這些食品安全國家標(biāo)準(zhǔn)分為通用限量標(biāo)準(zhǔn)、檢驗(yàn)標(biāo)準(zhǔn)、生產(chǎn)經(jīng)營規(guī)范標(biāo)準(zhǔn)與食品產(chǎn)品標(biāo)準(zhǔn)，針對不同的標(biāo)準(zhǔn)類型采用不同策略進(jìn)行三元組提取。

2.2 三元組抽取

三元組（s，p，o）表示的是一個事實(shí)陳述句，其中，s是主語，p是謂語，o是賓語。（s，p，o）表示s 與o之間具有聯(lián)系p，或者s具有屬性p且取值為o。對于這樣一句陳述“小明獲得了學(xué)位證書”，可以用〈小明〉〈獲得〉〈學(xué)位證書〉來進(jìn)行表示。在工作中，將抽取三類三元組：引用關(guān)系三元組、標(biāo)準(zhǔn)規(guī)定內(nèi)容三元組、其他內(nèi)容三元組等。

2.2.1 引用關(guān)系三元組抽取

引用關(guān)系在食品產(chǎn)品標(biāo)準(zhǔn)和通用限量標(biāo)準(zhǔn)、食品產(chǎn)品標(biāo)準(zhǔn)和生產(chǎn)經(jīng)營規(guī)范標(biāo)準(zhǔn)之間較為常見，所以主要對這些標(biāo)準(zhǔn)進(jìn)行引用三元組的提取。提取方式是常見的基于規(guī)則與正則表達(dá)式的匹配。引用關(guān)系三元組中的兩個實(shí)體皆是食品安全國家標(biāo)準(zhǔn)的名稱，其形式多為“GB”“SN”以及數(shù)字組合而成，采用正則表達(dá)式可以較為準(zhǔn)確地得到食品標(biāo)準(zhǔn)名稱。實(shí)體之間的關(guān)系則是這兩個標(biāo)準(zhǔn)之間的參考項(xiàng)目名稱。比如，食品產(chǎn)品標(biāo)準(zhǔn)與通用限量標(biāo)準(zhǔn)之間的參考項(xiàng)目多為“污染物限量”“真菌毒素限量”“食品添加劑”“農(nóng)藥殘留量”等，可以將這些常見的參考項(xiàng)目構(gòu)建成一個關(guān)鍵詞庫。三元組的抽取依據(jù)是判斷兩個實(shí)體之間是否有對應(yīng)的關(guān)鍵詞，如果有，則將其抽取成三元組進(jìn)行輸出。如：在對標(biāo)準(zhǔn)文檔中的各級標(biāo)題進(jìn)行提取后得到文本“GB 2713—2015 食品安全國家標(biāo)準(zhǔn)淀粉制品1 范圍……3.3 污染物限量污染物限量應(yīng)符合GB 2762 的規(guī)定。3.4 微生物限量3.4.1 即食淀粉制品的致病菌限量應(yīng)符合GB 29921 中糧食制品類的規(guī)定……”，從這段文本中提取出的三元組為：〈GB2713—2015〉〈污染物限量〉〈GB2762〉，〈GB2713—2015〉〈微生物限量〉〈GB29921〉。

2.2.2 標(biāo)準(zhǔn)規(guī)定內(nèi)容三元組抽取

食品安全標(biāo)準(zhǔn)中的通用限量標(biāo)準(zhǔn)規(guī)定了各類食品在食品添加劑、農(nóng)藥殘留等方面的具體限值，因此本文主要對這一部分限值及內(nèi)容進(jìn)行三元組抽取。由于這部分標(biāo)準(zhǔn)的內(nèi)容多以表格的形式展示，而目前對于PDF表格的處理并不十分理想，故這部分三元組數(shù)據(jù)的提取主要依靠自動化表格字符提取技術(shù)加上人工校驗(yàn)的方式進(jìn)行。其中，將食品類型作為三元組的頭實(shí)體，把檢測項(xiàng)目名稱作為實(shí)體關(guān)系，而檢測項(xiàng)目的限值作為三元組的尾實(shí)體。

2.2.3 其他三元組抽取

除了上面所提到的三元組，本文還對食品安全標(biāo)準(zhǔn)文件名稱進(jìn)行了三元組提取。如《GB2713—2015 食品安全國家標(biāo)準(zhǔn)淀粉制品》，利用正則表達(dá)式將“GB2713—2015”和“淀粉食品”提取出來作為三元組的頭實(shí)體和尾實(shí)體，實(shí)體間關(guān)系為“標(biāo)準(zhǔn)內(nèi)容”。

2.3 三元組質(zhì)量評估

為了保證所抽取的三元組數(shù)據(jù)的準(zhǔn)確性，本文對抽取的實(shí)體與關(guān)系進(jìn)行質(zhì)量評估，評價方法為將一部分自動抽取的三元組與通過人工閱讀所抽取的數(shù)據(jù)進(jìn)行比較，查看自動抽取三元組的準(zhǔn)確率。其中，70 個“食品產(chǎn)品標(biāo)準(zhǔn)”經(jīng)過人工抽取后有235 條三元組，而自動抽取三元組為194 條，三元組的缺失率為17.4%，正確率為100%，這表明這種基于規(guī)則的三元組抽取有著極高的準(zhǔn)確率，但是由于提取規(guī)則數(shù)量不足以及提取規(guī)則內(nèi)容不完善導(dǎo)致所提取的三元組數(shù)量有限，這只能通過不斷完善提取規(guī)則來提升三元組提取數(shù)量與質(zhì)量。另外對1 142 個國家食品安全標(biāo)準(zhǔn)文件名進(jìn)行三元組提取與人工讀取的三元組數(shù)目一致，準(zhǔn)確率為100%，這表明目前的抽取方法對于特征明確的三元組抽取在數(shù)量上與質(zhì)量上都有保證。

2.4 基于HACCP標(biāo)準(zhǔn)的食品生產(chǎn)過程本體

危害分析關(guān)鍵控制點(diǎn)（Hazard Analysis Critical Control Point，HACCP）［15］作為食品生產(chǎn)過程的重要參考依據(jù)，與食品安全標(biāo)準(zhǔn)緊密相連。因此，對HACCP 中的概念及其關(guān)系進(jìn)行本體構(gòu)建［16］可以將食品安全標(biāo)準(zhǔn)與生產(chǎn)過程進(jìn)行關(guān)聯(lián)，可用于項(xiàng)目后期的知識推理，其建立方法與流程在本項(xiàng)目之前的研究文獻(xiàn)［17］中已經(jīng)討論。HACCP 中最為重要的類是“關(guān)鍵控制點(diǎn)”和“危害分析”，其中危害分析包括“化學(xué)危害”“物理危害”和“生物危害”，這些內(nèi)容與食品安全標(biāo)準(zhǔn)的聯(lián)系較為緊密，基于HACCP 的食品生產(chǎn)過程本體也主要圍繞這些內(nèi)容進(jìn)行構(gòu)建。本體結(jié)構(gòu)如圖2所示。

圖2 基于HACCP的食品生產(chǎn)過程本體Fig.2 Food production process ontology based on HACCP

在構(gòu)建圖2 本體的過程中，需要對HACCP 規(guī)范文檔以及國家食品安全標(biāo)準(zhǔn)文檔中的術(shù)語、概念與關(guān)系進(jìn)行抽取，特別是對國家食品安全標(biāo)準(zhǔn)文檔中的各種檢驗(yàn)項(xiàng)目名稱、食品分類以及各種檢測項(xiàng)限量進(jìn)行三元組抽取。由于文檔中存在大量的不規(guī)則表格，本文融合了多種抽取方式，包括基于標(biāo)題格式的實(shí)體抽取、基于句法分析與關(guān)鍵詞匹配的關(guān)系抽取；此外為了保證本體的準(zhǔn)確性，還結(jié)合了部分的人工抽取。目前本文實(shí)驗(yàn)系統(tǒng)已完成對HACCP 規(guī)范文檔以及部分涉及危害分析的國家食品安全標(biāo)準(zhǔn)文檔的抽取工作，其中國家食品安全標(biāo)準(zhǔn)文檔主要涉及《GB2761 食品安全國家標(biāo)準(zhǔn)食品中真菌毒素限量》《GB2762 食品安全國家標(biāo)準(zhǔn)食品中污染物限量》《GB2763 食品安全國家標(biāo)準(zhǔn)食品中農(nóng)藥最大殘留限量》和《GB2760 食品安全國家標(biāo)準(zhǔn)食品添加劑使用標(biāo)準(zhǔn)》。根據(jù)前面的工作，已完成的本體有2 400 多個實(shí)體，6 大類不同的關(guān)系，這還有待進(jìn)一步完善。

2.5 實(shí)體對齊

在實(shí)體抽取過程中，來自來不同文件的實(shí)體會有表達(dá)形式不一致的問題。如“山梨酸鉀”與“山梨酸及其鉀鹽”意思相近，但表達(dá)形式不完全一致，這時需要進(jìn)行實(shí)體對齊。進(jìn)行大規(guī)模實(shí)體對齊的常用方法有詞向量分析法［18］和embedding［19］等方法。本文嘗試將食品安全標(biāo)準(zhǔn)文檔轉(zhuǎn)換后的文本數(shù)據(jù)作為Word2Vec的訓(xùn)練集來實(shí)現(xiàn)實(shí)體的詞向量化，但由于轉(zhuǎn)換后的訓(xùn)練集不夠，所以得到的結(jié)果不理想。embedding方法則需要較多的實(shí)體以及屬性來進(jìn)行訓(xùn)練，由于目前尚無合適的訓(xùn)練集可以使用，且本文所涉及的“食品添加劑”類實(shí)體的屬性單一，因此也無法完成訓(xùn)練工作?；谏鲜龅膰L試效果皆不理想，所以目前本文通過人工建立同義詞庫的方式解決這個問題，但未來隨著本體中的實(shí)體數(shù)量的增加，應(yīng)該可以通過現(xiàn)有實(shí)體的訓(xùn)練完成新實(shí)體的對齊。

2.6 數(shù)據(jù)存儲

知識圖譜的存儲工具多為圖數(shù)據(jù)庫，本文使用gStore 存儲三元組數(shù)據(jù)。gStore 是北京大學(xué)研發(fā)的面向資源描述框架（Resource Description Framework，RDF）知識圖譜的開源圖數(shù)據(jù)庫系統(tǒng)，支持SPARQL（SPARQL Protocol and RDF Query Language）1.1 標(biāo)準(zhǔn)，單機(jī)可以支持5 Blilion 三元組規(guī)模的數(shù)據(jù)管理任務(wù)，支持有效的“增刪改查”操作?，F(xiàn)將已抽取出的所有三元組以nt格式保存，使用gStore系統(tǒng)中的gbuild命令建立知識庫，命令格式如下：bin/gbuild+知識庫名稱+數(shù)據(jù)文件路徑。知識庫構(gòu)建完成后，可以通過命令終端或者利用應(yīng)用程序接口（Application Programming Interface，API）編寫相應(yīng)程序來訪問管理知識庫，整個管理流程如圖3所示。

圖3 gStore數(shù)據(jù)管理Fig.3 gStore data management

利用SPARQL 語言［20-22］對食品安全標(biāo)準(zhǔn)GB2760 的被引關(guān)系進(jìn)行查詢得到如表1所示數(shù)據(jù)。

表1 三元組數(shù)據(jù)表（部分）Tab.1 Triplet data table（part）

表1 中：Subject 是三元組的主語，Object 是賓語，Predicate是它們之間的關(guān)系。如第1條數(shù)據(jù)表示的含義是：GB10136—2015在食品添加劑方面引用了GB2760。

3 食品安全標(biāo)準(zhǔn)社區(qū)發(fā)現(xiàn)

本文將所有食品安全國家標(biāo)準(zhǔn)的引用數(shù)據(jù)進(jìn)行數(shù)字編碼，使用Louvain 算法［23］進(jìn)行社區(qū)劃分，然后結(jié)合節(jié)點(diǎn)入度與出度的統(tǒng)計(jì)，試圖找出這些食品安全標(biāo)準(zhǔn)間引用關(guān)系的中心點(diǎn)。

3.1 Louvain社區(qū)劃分算法

3.1.1 算法原理

Louvain 算法將所有初始節(jié)點(diǎn)獨(dú)立為一個社區(qū)，連邊權(quán)重為0，接下來的工作分為兩個步驟：1）掃描所有節(jié)點(diǎn)，針對每個節(jié)點(diǎn)遍歷該節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)，計(jì)算將其加入的鄰居節(jié)點(diǎn)所在社區(qū)后的模塊度增益值，選擇其中最大值所對應(yīng)的鄰居節(jié)點(diǎn)，將該節(jié)點(diǎn)加入到相應(yīng)社區(qū)中，迭代這一過程直到每個節(jié)點(diǎn)的歸屬不再發(fā)生變化；2）將每個社區(qū)當(dāng)作一個節(jié)點(diǎn)，并計(jì)算新社區(qū)之間的連邊權(quán)重，以及社區(qū)內(nèi)所有節(jié)點(diǎn)之間的連邊權(quán)重之和，完成后重新回到1）。

3.1.2 相對增益

在第一個步驟中要判斷一個節(jié)點(diǎn)所加入的社區(qū)需要根據(jù)相對增益ΔQ值，當(dāng)節(jié)點(diǎn)與某一個社區(qū)之間的ΔQ為最大時，該節(jié)點(diǎn)加入到相應(yīng)的社區(qū)中。ΔQ的計(jì)算公式如式（1）所示：

其中：ki，in代表由節(jié)點(diǎn)i連接社區(qū)C中所有邊權(quán)重之和；代表所有節(jié)點(diǎn)連接社區(qū)C的總權(quán)重（包括社區(qū)C內(nèi)邊的總權(quán)重）；ki代表連接節(jié)點(diǎn)i的所有邊的總權(quán)重；m是所有邊的權(quán)值之和。

3.1.3 模塊度

迭代結(jié)束的條件取決于模塊度Q，其計(jì)算公式為：

其中：Aij代表節(jié)點(diǎn)i和節(jié)點(diǎn)j之間邊的權(quán)重；ki是所有與節(jié)點(diǎn)i相連的邊的權(quán)重之和；ci是節(jié)點(diǎn)i的社區(qū)編號；δ(ci，cj)函數(shù)表示若節(jié)點(diǎn)i和j在同一個社區(qū)內(nèi)則返回值為1，否則返回0。在一輪迭代后若Q沒有變化，則停止迭代。

3.1.4 算法實(shí)現(xiàn)

3.2 社區(qū)劃分結(jié)果

在對邊的權(quán)重進(jìn)行賦值時，不同的節(jié)點(diǎn)關(guān)系所獲得的權(quán)重不同。設(shè)食品產(chǎn)品類標(biāo)準(zhǔn)與通用限量標(biāo)準(zhǔn)之間的邊權(quán)值為3，食品產(chǎn)品類標(biāo)準(zhǔn)與檢測類標(biāo)準(zhǔn)之間的邊權(quán)值為2，其余的邊權(quán)值為1。這樣設(shè)的含義是權(quán)值越高的邊代表的關(guān)系在進(jìn)行抽取時人工參與的程度越高，可信度也越高，在進(jìn)行社區(qū)劃分時占據(jù)的比重也更大。經(jīng)過對1 142 個文檔中的三元組進(jìn)行讀取（去除了少量不完整的內(nèi)容），得到引用關(guān)系圖如圖4所示，共有1 105 個節(jié)點(diǎn)和2 593 條邊，劃分后共得到66 個社區(qū)。其中，同一社區(qū)的節(jié)點(diǎn)被標(biāo)記為同一種顏色（若社區(qū)內(nèi)節(jié)點(diǎn)數(shù)目占比太小，該社區(qū)內(nèi)節(jié)點(diǎn)全部設(shè)為灰色），并且依據(jù)連接該節(jié)點(diǎn)的其他節(jié)點(diǎn)數(shù)目，調(diào)整節(jié)點(diǎn)標(biāo)簽的顯示大小。連接數(shù)目較大的節(jié)點(diǎn)，其顯示的標(biāo)簽則越大；反之，則越小。

圖4 國家食品安全標(biāo)準(zhǔn)引用關(guān)系圖Fig.4 Reference relationship diagram of national food safety standards

通過對這一食品標(biāo)準(zhǔn)引用關(guān)系圖譜（圖4）的觀察發(fā)現(xiàn)，GB5009.12、GB/T14454、GB2763、GB/T11540 等這些食品安全國家標(biāo)準(zhǔn)的節(jié)點(diǎn)顯示較為清晰，其中GB5009這類標(biāo)準(zhǔn)屬于理化檢驗(yàn)方法標(biāo)準(zhǔn)，規(guī)定了檢測食品中化學(xué)物質(zhì)的檢測方法和達(dá)標(biāo)量；GB/T14454、GB/T11540 這類標(biāo)準(zhǔn)規(guī)定了香料的測定方法；GB2763 屬于通用限量標(biāo)準(zhǔn)，規(guī)定了食品中的農(nóng)藥最大殘留限量。這些信息表明，在所有食品安全標(biāo)準(zhǔn)中，被引用次數(shù)較多的標(biāo)準(zhǔn)多為各種檢測標(biāo)準(zhǔn)以及規(guī)定了食品常見不合格項(xiàng)目的通用限量標(biāo)準(zhǔn)。同時，這些標(biāo)準(zhǔn)之間又存在著相互引用關(guān)系，是所有標(biāo)準(zhǔn)中影響力較大的食品安全標(biāo)準(zhǔn)。

4 問答系統(tǒng)

為了方便利用知識圖譜進(jìn)行檢索與推理，本文在此基礎(chǔ)上構(gòu)建了基于自然語言的問答系統(tǒng)。問答系統(tǒng)可以根據(jù)用戶提供的食品類別、食品添加劑名稱以及使用者類別（檢測機(jī)構(gòu)、食品生產(chǎn)企業(yè)以及消費(fèi)者）檢索食品安全國家標(biāo)準(zhǔn)的內(nèi)容及其引用關(guān)系。針對不同的關(guān)鍵詞，系統(tǒng)可根據(jù)預(yù)先設(shè)定好的推理機(jī)制，完成圖譜內(nèi)的推理，并將結(jié)果以圖表的形式展示在網(wǎng)頁上。問答系統(tǒng)結(jié)構(gòu)如圖5所示。

圖5 問答系統(tǒng)處理流程Fig.5 Processing flowchart of question answering system

4.1 基于自然語言的檢索

4.1.1 食品類型

在檢索欄輸入“食品分類：食品類型”，如“膨化食品”“面筋制品”“淀粉制品”。此類檢索主要涉及食品產(chǎn)品標(biāo)準(zhǔn)以及通用限量標(biāo)準(zhǔn)。如對“膨化食品”進(jìn)行檢索，返回結(jié)果如圖6所示。其中第1排的“DB17401-2014”為“膨化食品”的食品安全標(biāo)準(zhǔn)，而其后內(nèi)容則是此標(biāo)準(zhǔn)引用的食品安全標(biāo)準(zhǔn)，具體內(nèi)容包括“DB17401-2014”所引的參考項(xiàng)目、標(biāo)準(zhǔn)名稱與參考項(xiàng)目的限量值，相應(yīng)的知識圖譜如圖7所示。

圖6 “膨化食品”查詢結(jié)果（部分）Fig.6 “Puffed food”query results（part）

圖7 “膨化食品”知識圖譜Fig.7 “Puffed food”knowledge graph

結(jié)合圖表數(shù)據(jù)來看，“膨化食品”在生產(chǎn)過程中主要是使用多種添加劑，針對不同的添加劑，食品安全標(biāo)準(zhǔn)GB2760 對其限量都有相應(yīng)的規(guī)定，而食品安全標(biāo)準(zhǔn)GB17401—2014 的主要內(nèi)容就是有關(guān)“膨化食品”的所有規(guī)定，GB17401—2014除了參考食品安全標(biāo)準(zhǔn)GB2760 外，還參考了GB14880 以及GB2762，因此，對于“膨化食品”來說，與之相關(guān)的較為重要的食品安全標(biāo)準(zhǔn)包括GB17401—2014、GB2760、GB2762 和GB14880。

4.1.2 添加劑類型

以常見的添加劑“氫氧化鈣”為例進(jìn)行檢索。此類查詢涉及食品產(chǎn)品標(biāo)準(zhǔn)、食品添加劑相關(guān)標(biāo)準(zhǔn)、檢測標(biāo)準(zhǔn)以及基于HACCP的食品生產(chǎn)過程本體。結(jié)果如圖8所示。首先給出了“氫氧化鈣”所屬的添加劑類型-“酸度調(diào)節(jié)劑”，然后還給出了會使用“氫氧化鈣”作為添加劑的食品名稱及其所對應(yīng)的食品安全標(biāo)準(zhǔn)，生成的相應(yīng)知識圖譜如圖9 所示。結(jié)合圖表數(shù)據(jù)，“氫氧化鈣”作為食品添加劑在食品生產(chǎn)過程中主要用于酸度調(diào)節(jié)，與之相關(guān)的重要食品安全標(biāo)準(zhǔn)有GB25191—2010、GB25572—2010等。

圖8 “氫氧化鈣”查詢結(jié)果Fig.8 “Calcium hydroxide”query results

圖9 “氫氧化鈣”知識圖譜Fig.9 “Calcium Hydroxide”knowledge graph

4.1.3 用戶類型

以“食品生產(chǎn)企業(yè)”作為用戶類型進(jìn)行檢索，這里主要涉及食品經(jīng)營規(guī)范標(biāo)準(zhǔn)。系統(tǒng)首先會檢索所有生產(chǎn)經(jīng)營規(guī)范標(biāo)準(zhǔn)，如GB31646—2018 是速凍食品生產(chǎn)和經(jīng)營衛(wèi)生規(guī)范，GB20799—2016 是肉和肉制品經(jīng)營衛(wèi)生規(guī)范等。選擇“GB20799—2016”繼續(xù)查詢，結(jié)果如圖10所示。

圖10 “GB20799—2016”查詢結(jié)果Fig.10 “GB20799-2016”query results

圖10給出了“GB20799—2016”參考的項(xiàng)目名稱以及所對應(yīng)的參考標(biāo)準(zhǔn)名稱，相應(yīng)的知識圖譜如圖11所示。

圖11 “GB20799—2016”知識圖譜Fig.11 “GB20799-2016”knowledge graph

結(jié)合圖表數(shù)據(jù)，食品生產(chǎn)企業(yè)的食品經(jīng)營規(guī)范主要參考食品安全標(biāo)準(zhǔn)GB14881—2013，其內(nèi)容主要包括食品生產(chǎn)企業(yè)在生產(chǎn)過程中的各項(xiàng)規(guī)定，包括管理制度和人員、衛(wèi)生管理等，因此，對于食品生產(chǎn)企業(yè)的生產(chǎn)經(jīng)營規(guī)范來說，GB20799—2016是其重要的食品安全標(biāo)準(zhǔn)。

4.2 推理方法

本文的推理方法主要采用基于規(guī)則方法實(shí)現(xiàn)，即通過不同的需求設(shè)計(jì)相應(yīng)的檢索模板，檢索模板包括需要的條件、檢索的方式與結(jié)果的反饋方式。在獲得用戶需要后，將檢索模板所需要條件通過“：”的方式放入本次檢索中，由系統(tǒng)識別，并分別讀取，針對多跳檢索，會將上次的檢索的結(jié)果與本次檢索的結(jié)果進(jìn)行自動匹配。如搜索“膨化食品”的相關(guān)信息時，會將“食品分類”作為檢索類型，獲取食品分類檢索模板，并將其后的內(nèi)容作為檢索關(guān)鍵字。如果有多個條件，多個條件通過“：”進(jìn)行拆解，并利用食品分類檢索模板生成SPARQL 檢索語句。如對于“膨化食品”的檢索，系統(tǒng)根據(jù)“食品分類”檢索模板生成的SPARQL語句是通過下面的步驟實(shí)現(xiàn)的。

1）對關(guān)鍵字內(nèi)容進(jìn)行分割，得到part1“食品分類”與part2“膨化食品”。

2）對part1進(jìn)行判斷，選擇相應(yīng)的推理模板，并將part2作為參數(shù)進(jìn)行傳遞。

3）SPARQL 根據(jù)推理模板生成搜索語句：如對SELECT*WHERE｛？s？p？o.？s ＜食品分類＞obj.｝中的obj進(jìn)行替換，將得到最終的查詢語句：

SELECT*WHERE

｛？s？p？o.？s ＜食品分類＞＜膨化食品＞.｝

該SPARQL 語句限制了？s 的屬性為“食品分類”，相應(yīng)的屬性值為“膨化食品”，同時又查詢與？s 相關(guān)的其他三元組作為結(jié)果返回。

基于“添加劑類型”與“用戶類型”的檢索模板，是通過下面的步驟實(shí)現(xiàn)的。

對于“氫氧化鈣”的檢索，系統(tǒng)會檢查該關(guān)鍵詞的分類，將“添加劑分類：氫氧化鈣”作為本次檢索的類型，找出所有涉及“氫氧化鈣”這一實(shí)體的相關(guān)三元組數(shù)據(jù)，其SPARQL 生成的步驟如下：

1）對關(guān)鍵字內(nèi)容進(jìn)行分割，得到part1“添加劑分類”與part2“氫氧化鈣”。

2）對part1進(jìn)行判斷，選擇相應(yīng)的推理模板，并將part2作為參數(shù)進(jìn)行傳遞。

3）SPARQL 根據(jù)推理模板生成搜索語句：如對SELECT*WHERE｛？s？p？o.？x？p2？s.？s ＜添加劑分類＞obj.｝中的obj進(jìn)行替換，將得到最終的查詢語句：

SELECT*WHERE

｛？s？p？o.？x？p2？s.？s ＜添加劑分類＞＜?xì)溲趸}＞.｝

該SPARQL 語句限制了？s 的屬性為“添加劑分類”，相應(yīng)的屬性值為“氫氧化鈣”，同時又查詢與？s相關(guān)的其他三元組，其中？s作為頭實(shí)體或尾實(shí)體。

而對于“食品生產(chǎn)企業(yè)”的檢索，系統(tǒng)會檢查該關(guān)鍵詞的分類，將“用戶分類：食品生產(chǎn)企業(yè)”作為本次檢索的類型，找出所有的生產(chǎn)經(jīng)營規(guī)范標(biāo)準(zhǔn)返回給用戶，當(dāng)用戶從這些標(biāo)準(zhǔn)中選取“GB20799—2016”時，系統(tǒng)會將該標(biāo)準(zhǔn)的相關(guān)信息與“用戶分類：食品生產(chǎn)企業(yè)”合并成新的檢索“用戶分類：食品生產(chǎn)企業(yè)：肉和肉制品經(jīng)營衛(wèi)生規(guī)范：GB20799—2016”，其SPARQL生成的算法如下：

1）對關(guān)鍵字內(nèi)容進(jìn)行分割，得到part1“用戶分類”，part2“食品生產(chǎn)企業(yè)”，part3“肉和肉制品經(jīng)營衛(wèi)生規(guī)范”，part4“GB20799—2016”。

2）對part1 進(jìn)行判斷，選擇相應(yīng)的推理模板，并將part2、part3、part4作為參數(shù)進(jìn)行傳遞。

3）SPARQL 根據(jù)推理模板生成搜索語句：由于參數(shù)中給出了標(biāo)準(zhǔn)的名稱，而標(biāo)準(zhǔn)實(shí)體名稱是獨(dú)一無二的，可以忽略其他限制條件，對SELECT*WHERE｛？s？p？o.？s ＜標(biāo)準(zhǔn)名稱＞obj.｝中的obj進(jìn)行替換，將得到最終的查詢語句：

SELECT*WHERE

｛？s？p？o.？s ＜標(biāo)準(zhǔn)名稱＞＜GB20799-2016＞.｝

該SPARQL 語句限制了？s 的屬性為“標(biāo)準(zhǔn)名稱”，相應(yīng)的屬性值為“GB20799—2016”，同時又查詢與？s 相關(guān)的其他三元組作為結(jié)果返回。

本系統(tǒng)的檢索模板是通過用戶的需求人為定義的，所以隨著需要的增加和改變，檢索模板的定義也會有變更，但隨著項(xiàng)目的進(jìn)展，會根據(jù)用戶需要設(shè)計(jì)自動生成檢索模板的方法。

4.3 問答系統(tǒng)結(jié)果評價

問答系統(tǒng)的目的是站在不同任務(wù)的角度，根據(jù)用戶的需要，發(fā)現(xiàn)對用戶來說比較重要的標(biāo)準(zhǔn)以及與該標(biāo)準(zhǔn)關(guān)聯(lián)比較緊密的其他標(biāo)準(zhǔn)，這對于標(biāo)準(zhǔn)使用者或者制定者來說，能幫助他們迅速得關(guān)注到標(biāo)準(zhǔn)的核心點(diǎn)及與其他標(biāo)準(zhǔn)之間的關(guān)聯(lián)關(guān)系，能起到指導(dǎo)使用與優(yōu)化建設(shè)的輔助功能。從目前問答系統(tǒng)得到的檢索與推理結(jié)果來看，所有的結(jié)論在常識上與專業(yè)上都是可以解釋的，符合食品安全與食品檢驗(yàn)的基本規(guī)律，所以本文的食品安全標(biāo)準(zhǔn)圖譜與問答推理系統(tǒng)能有效地反映標(biāo)準(zhǔn)間的引用關(guān)系并發(fā)掘不同任務(wù)、不同需要下重點(diǎn)標(biāo)準(zhǔn)與相關(guān)標(biāo)準(zhǔn)間的關(guān)系。但由于目前考慮到的任務(wù)與需求還比較少，所以推理方式也較單調(diào)，后期的實(shí)驗(yàn)與系統(tǒng)也會考慮到更多、更復(fù)雜的情況。

5 結(jié)語

本文通過對現(xiàn)有收集到的食品安全國家標(biāo)準(zhǔn)進(jìn)行內(nèi)容實(shí)體與引用關(guān)系的抽取，構(gòu)建了食品安全國家標(biāo)準(zhǔn)圖譜，整個圖譜包括1 105 個節(jié)點(diǎn)和2 593 邊，其中如“GB2763”這類通用限量食品安全標(biāo)準(zhǔn)以及“GB5009”這類檢測標(biāo)準(zhǔn)所生成的節(jié)點(diǎn)連接度最高，表明這些標(biāo)準(zhǔn)在所有標(biāo)準(zhǔn)中重要程度更高。本項(xiàng)目建立了基于HACCP 的食品生產(chǎn)過程本體并完成了實(shí)體對齊，本體使得圖譜間知識的聯(lián)系更加清晰與完整，并為未來的更自動化的知識抽取提供基礎(chǔ)與依據(jù)。然后基于知識圖譜搭建了基于自然語言的問答系統(tǒng)，對圖譜進(jìn)行檢索與推理，以此來挖掘不同標(biāo)準(zhǔn)間的相關(guān)性，找出不同需求下最具影響力的食品安全國家標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，這種方式具有可行性，能實(shí)現(xiàn)“核心”標(biāo)準(zhǔn)的發(fā)現(xiàn)，對于研究食品安全國家標(biāo)準(zhǔn)的結(jié)構(gòu)與內(nèi)容分布有較好的指導(dǎo)作用。但是，未來還存在一些待優(yōu)化的問題：一方面，由于缺乏可用的專業(yè)詞庫，知識抽取的自動化程度有待提高，未來隨著項(xiàng)目自建的本體的完善，可以通過對其中實(shí)體與關(guān)系的訓(xùn)練來使用更快速、更新的技術(shù)來優(yōu)化知識抽取的方法；另一方面，推理規(guī)則的生成還不能實(shí)現(xiàn)自動化，現(xiàn)在還需要通過人的分析來生成推理模板，未來將研究規(guī)則的自動生成方法。