劉召，史運(yùn)濤，李書欽，張蔭芬

（1.北方工業(yè)大學(xué)現(xiàn)場總線技術(shù)及自動化北京市重點實驗室，北京，100144；2.中國標(biāo)準(zhǔn)化研究院，北京，100089）

食品安全是影響國民經(jīng)濟(jì)和人民生活的重大問題，隨著經(jīng)濟(jì)社會的快速發(fā)展，食品新技術(shù)的出現(xiàn)以及飲食方式的改變，使得公眾對食品安全問題越來越關(guān)注。目前我國食品安全問題主要在于：（1）難以對食品中可添加危害物進(jìn)行防范；（2）監(jiān)管部門缺少體系化的預(yù)警機(jī)制；（3）對于已發(fā)生的食品事件難以進(jìn)行快速有效的處置。近年來頻頻發(fā)生的食品安全事件嚴(yán)重威脅著人們的健康。引起了國內(nèi)外學(xué)者對食品安全問題的極大關(guān)注，如沈進(jìn)昌等[1]通過構(gòu)建進(jìn)出口食品風(fēng)險評價體系，利用粗糙集理論確定風(fēng)險指標(biāo)權(quán)重并結(jié)合模糊綜合評價方法給出相應(yīng)得風(fēng)險等級；劉巍等[2]通過構(gòu)建食品安全評價指標(biāo)體系，運(yùn)用事故樹原理和網(wǎng)絡(luò)層次分析法對豬肉食品質(zhì)量安全風(fēng)險路徑進(jìn)行溯源。李柯等[3]提出一種基于FTA－BN模型，通過將故障樹和貝葉斯相結(jié)合的方式分析食品鏈中的風(fēng)險因素，達(dá)到控制食品安全風(fēng)險的目的。熊志昂等[4]通過識別食品供應(yīng)鏈上潛在的主要風(fēng)險因素，運(yùn)用層次分析法（AHP）方法來辨識供應(yīng)鏈上的關(guān)鍵風(fēng)險。Lin X等[5]利用布谷鳥搜索算法(CS)實現(xiàn)了基于改進(jìn)隱馬爾可夫模型(HMM)的食品安全動態(tài)風(fēng)險評估。Teyhouee[6]等人通過比較支持向量機(jī)(SVM)和隱馬爾可夫模型(HMM)對食源性疾病暴發(fā)的檢測精度，驗證了隱可夫模型在檢測食源性疾病暴發(fā)方面具有良好的準(zhǔn)確性。

1 關(guān)聯(lián)規(guī)則(Apriori)

■1.1 關(guān)聯(lián)規(guī)則概述

關(guān)聯(lián)規(guī)則算法概念最早是被Agrawal等人在1993年提出[7]。近年來，在警務(wù)情報分析領(lǐng)域應(yīng)用頻繁，通過對一系列犯罪嫌疑人之間的同行同住信息進(jìn)行關(guān)聯(lián)碰撞分析，可以發(fā)現(xiàn)案件潛在的情報線索，幫助警務(wù)人員輔助決策。關(guān)聯(lián)規(guī)則本質(zhì)是以獲取可信的情報規(guī)則作為算法核心，規(guī)則本身是“當(dāng)條件是什么時，結(jié)果就會是什么”的簡單形式。通式可以表示為“if A ?then B”規(guī)則形式，其中A表示前置條件，B表示后置結(jié)果。

■1.2 關(guān)聯(lián)規(guī)則相關(guān)定義

關(guān)聯(lián)規(guī)則基本原理主要是對于一個已知的事務(wù)數(shù)據(jù)集，通過預(yù)設(shè)最小支持度和最小置信度閾值，運(yùn)用逐層搜索的迭代方法來尋找符合條件的頻繁項集。假設(shè) I = {i1,i2...im}表示的是事務(wù)數(shù)據(jù)庫中所有可能成員的集合， D ={T1,T2...Tm}表示的是事務(wù)數(shù)據(jù)庫中所有事務(wù)的集合。其中每一個事務(wù)T是項集I的一個子集，如果包含k個元素，表示為k-項集， |D|表示D中的事務(wù)總數(shù)，其中X ? T,Y ? T 且X∩Y=?。相關(guān)的定義如下：

定義1.支持度（Support）：表示項集{X，Y}在所有事務(wù)集中出現(xiàn)的頻率。

其中， num( X∪Y)表示X和Y同時在事務(wù)集中出現(xiàn)的次數(shù)，支持度是對關(guān)聯(lián)規(guī)則重要程度的衡量。

定義2.置信度（Confidence）：表示在同時含有X和Y項集的前提下，同含有Y的頻率。

置信度是對關(guān)聯(lián)規(guī)則正確率的衡量。

定義3.強(qiáng)關(guān)聯(lián)規(guī)則：生成的規(guī)則均大于給定的最小支持度（min_sup）和最小置信度（min_conf）稱為強(qiáng)關(guān)聯(lián)規(guī)則。

定義4.頻繁k項集：如果k項集的支持度不小于定義的最小支持度閾值,稱為頻繁k項集。

2 基于Hash技術(shù)改進(jìn)Aporiori算法

■2.1 任務(wù)描述

本文主要研究利用關(guān)聯(lián)規(guī)則來挖掘食品抽檢數(shù)據(jù)中的潛在情報。由于食品抽檢數(shù)據(jù)具有多維特性，并且含有較多的空值，符合稀疏矩陣的特點。非常適合Apriori算法機(jī)制，但是傳統(tǒng)的Apriori算法由于采用逐層搜索的方法，在生成

頻繁項集時，需要反復(fù)掃描數(shù)據(jù)庫，導(dǎo)致模型在尋找長度較大的頻繁項集時，運(yùn)行時間過長，降低了模型的挖掘效率。因此本文引入散列（Hash）機(jī)制，通過減少生成候選頻繁項集的遍歷數(shù)據(jù)集的次數(shù)，提高模型的準(zhǔn)確度以及運(yùn)算效率。

■2.2 改進(jìn)Apriori算法流程

基于Hash技術(shù)改進(jìn)Apriori算法處理食品檢測數(shù)據(jù)主要分為兩步，流程如圖1所示。

圖1 改進(jìn)的Apriori算法流程圖

Step1：從食品的事務(wù)數(shù)據(jù)庫中挖掘所有頻繁項集：

結(jié)合食品應(yīng)用場景，并根據(jù)食品數(shù)據(jù)維度，確定利用Hash技術(shù)生成頻繁1-項集、頻繁2-項集以及頻繁3-項集，通過一次遍歷事務(wù)數(shù)據(jù)庫，即可生成候選頻繁1-項集（L1），候選頻繁2-項集（L2）以及候選頻繁3-項集（L3）。并將其暫時存入Hash容器中，根據(jù)標(biāo)準(zhǔn)參數(shù)（minSup＊|D|）閾值，對候選項集進(jìn)行篩選，大于標(biāo)準(zhǔn)參數(shù)的保留作為頻繁項集。小于標(biāo)準(zhǔn)參數(shù)則直接排除；然后繼續(xù)采用傳統(tǒng)Apriori算法遞歸策略，來尋找k>3的頻繁k項集；最后對所有的頻繁項集進(jìn)行整合。

Step2：利用Hash技術(shù)尋找到的頻繁項集，根據(jù)最小支持度確定全部的強(qiáng)關(guān)聯(lián)規(guī)則。

3 Apriori模型在食品安全中的應(yīng)用

■3.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源于2019-2020年全國各地區(qū)的不合格食品抽檢數(shù)據(jù)信息。食品的主要信息包括：食品名稱、生產(chǎn)企業(yè)名稱、生產(chǎn)日期、生產(chǎn)企業(yè)地址、被抽樣單位名稱、被抽樣單位地址、規(guī)格型號、商標(biāo)、生產(chǎn)日期、不合格項目、檢測機(jī)構(gòu)等20種屬性信息。本文應(yīng)用Apriori算法解決的食品安全場景問題如下：

場景一：通過整理不合格食品檢測數(shù)據(jù)樣品，聚焦篩選出肉類食品數(shù)據(jù)，挖掘食品小類、規(guī)格型號、生產(chǎn)時間、生產(chǎn)企業(yè)、生產(chǎn)省份以及檢測項目之間的食品安全情報規(guī)則。

場景二：通過整理不合格食品檢測數(shù)據(jù)樣品，聚焦篩選出生產(chǎn)地區(qū)為北京市，檢測項目為菌落總數(shù)、大腸菌群、霉菌的不合格樣品數(shù)據(jù)，挖掘食品大類、食品小類、生產(chǎn)時間、生產(chǎn)地區(qū)以及檢測項目之間的食品安全情報規(guī)則。

場景三：通過整理不合格食品檢測數(shù)據(jù)樣品，篩選出由菌落總數(shù)、大腸菌群、霉菌三種強(qiáng)致病因子造成不合格的樣品數(shù)據(jù)，挖掘食品大類、食品小類、生產(chǎn)省份以及檢測項目之間的食品安全情報規(guī)則。

■3.2 數(shù)據(jù)預(yù)處理與特征選擇

根據(jù)食品抽檢數(shù)據(jù)特點可知，一條完整的數(shù)據(jù)大約含有近30多個特征屬性，但是實際上不是所有的屬性都可以作為模型的輸入，如果數(shù)據(jù)屬性過多，會稀釋強(qiáng)相關(guān)的屬性信息，具體處理操作如下：

（1）“生產(chǎn)日期”屬性信息包含年-月-日，使得類別過多，利用季度將時間進(jìn)行限定劃分。如：“2016年3月2日”轉(zhuǎn)化為“第一季度”，“2017年12月1日”轉(zhuǎn)化為“第四季度”。

（2）將規(guī)格型號分為預(yù)包裝和散裝稱重，如“大米：25kg/袋”記為預(yù)包裝，“鮮菜：計量稱重”記為散裝稱重；

（3）生產(chǎn)企業(yè)名稱根據(jù)規(guī)模特點劃分為“公司”、“工廠”、“超市”、“店鋪”四種類型，如“河北達(dá)利食品有限公司”劃分為公司。

場景一數(shù)據(jù)特征選擇：處理后數(shù)據(jù)按照肉類食品類篩選后，得到不合格數(shù)據(jù)樣品422批次，選擇食品小類、規(guī)格型號、生產(chǎn)時間、生產(chǎn)企業(yè)、生產(chǎn)省份以及檢測項目特征屬性，具體如表1所示。

表1 場景1預(yù)處理后的食品檢測數(shù)據(jù)

場景二數(shù)據(jù)特征選擇：根據(jù)食品不合格檢測數(shù)據(jù)，依北京市為篩選條件，整理出涵蓋各食品類別的1614條數(shù)據(jù)。選擇食品大類、食品細(xì)類、抽樣地區(qū)、檢測項目作為特征屬性，其中檢測項目包括：菌落總數(shù)、大腸菌群、霉菌；N代表不合格、Y代表合格。挖掘北京市不合格食品數(shù)據(jù)屬性間的情報規(guī)則。具體如表2所示。

表2 場景2預(yù)處理后的食品檢測數(shù)據(jù)

場景三數(shù)據(jù)特征選擇：根據(jù)不合格食品屬性間的挖掘目標(biāo)，通過分析影響細(xì)菌性食品安全事件的強(qiáng)關(guān)聯(lián)屬性，整理篩選出3234條可用于真菌毒素分析的數(shù)據(jù)信息。最終將屬性確定為食品大類、食品小類、生產(chǎn)省份以及檢測項目。具體數(shù)據(jù)如表3所示。

表3 場景3預(yù)處理后的食品檢測數(shù)據(jù)

4 實驗對比與結(jié)果分析

關(guān)聯(lián)規(guī)則模型的實驗環(huán)境為window10，編程語言為Python3，編譯環(huán)境為jupyter notebook。傳統(tǒng)Apriori算法與改進(jìn)的Apriori算法運(yùn)行時間對比如圖2所示。

由圖2所示，基于Hash技術(shù)改進(jìn)Apriori算法在運(yùn)行時間上得到了顯著的提升，具體的場景實驗結(jié)果與分析如下：

圖2 三種場景下的模型運(yùn)行時間對比

（1）場景1實驗結(jié)果與分析

當(dāng)最小支持度S=10，最小置信度C=0.8時，可以得到227條食品情報規(guī)則。運(yùn)行結(jié)果如圖4-3所示，挖掘到有價值的情報規(guī)則如下：

規(guī)則1：{檢測項目=“菌落總數(shù)”，生產(chǎn)時間=“第二季度”，規(guī)格型號=“預(yù)包裝”，食品小類=“醬鹵肉制品”}-->{生產(chǎn)企業(yè)類型=“公司”}，置信度為0.87。

規(guī)則2：{生產(chǎn)省份=“廣東”，生產(chǎn)企業(yè)類型=“店鋪”，生產(chǎn)時間=“第三季度”，規(guī)格型號=“散裝稱重”}-->{檢測項目=“胭脂紅及其鋁色淀”}；置信度為1。

規(guī)則3：{生產(chǎn)企業(yè)類型=“公司”，規(guī)格型號=“預(yù)包裝”，生產(chǎn)省份 =“重慶”，食品小類=“醬鹵肉制品”}-->{檢測項目=“菌落總數(shù)”}；置信度為0.94。

規(guī)則4：{生產(chǎn)企業(yè)類型=“公司”，規(guī)格型號=“預(yù)包裝”，生產(chǎn)時間 =“第三季度”，食品小類=“醬鹵肉制品”}-->{檢測項目=“菌落總數(shù)”}；置信度為1。

由以上食品安全情報規(guī)則可以分析出肉類食品問題及行動措施：(1)對于醬鹵肉制品，不合格原因主要是菌落總數(shù)不達(dá)標(biāo)，主要集中在第三季度，且重慶市問題較為頻繁。監(jiān)管部門應(yīng)該加強(qiáng)在第三季度對醬鹵肉制品中菌落總數(shù)的抽檢工作；(2)對于廣東省肉類食品的不合格原因主要集中出現(xiàn)在一些小作坊胭脂紅及其鋁色淀含量不達(dá)標(biāo)，一般在第三季度比較頻發(fā)。監(jiān)管部門應(yīng)該將小作坊作為重點抽檢對象。

圖3 場景1運(yùn)行結(jié)果

（2）場景2實驗結(jié)果與分析

同上，當(dāng)最小支持度S=10，最小置信度C=0.8時。運(yùn)行結(jié)果如圖4所示，有價值的情報規(guī)則總結(jié)如下：

圖4 場景2運(yùn)行結(jié)果

規(guī)則1：{生產(chǎn)地區(qū)=“北京房山區(qū)”，菌落總數(shù)=“Y”}-->{生產(chǎn)時間=“第一季度”}，置信度為0.82；

規(guī)則2：{大腸菌群=“N”，食品大類=“烘焙食品”}-->{生產(chǎn)時間=“第一季度”}，置信度為0.88；

規(guī)則3：{大腸菌群=“N”，霉菌=“Y”,食品大類=“烘焙食品”}-->{生產(chǎn)時間=“第一季度”}，置信度為0.86。

發(fā)現(xiàn)的問題以及應(yīng)對措施為：對于北京市房山區(qū)在第一季度食品問題較為嚴(yán)重，主要原因是大腸菌群含量不達(dá)標(biāo)，因此應(yīng)該加強(qiáng)在第一季度對大腸菌群的抽檢力度。

（3）場景3實驗結(jié)果與分析

設(shè)定最小支持度S=10，最小置信度C=0.7。運(yùn)行結(jié)果如圖5所示：可得到以下幾種對于細(xì)菌性食品安全事件最有價值的規(guī)則信息：

圖5 場景3運(yùn)行結(jié)果

規(guī)則1：{食品大類=“飲料”，食品小類=“包裝飲用水”}-->{檢測項目=“菌落總數(shù)”}，置信度=0.75；

規(guī)則2：{食品小類=“水產(chǎn)加工品”，食品大類=“水產(chǎn)及其制品”}-->{檢測項目=“菌落總數(shù)”}，置信度=0.76；

規(guī)則3：{食品大類=“餐飲環(huán)節(jié)產(chǎn)品”，食品小類=“餐飲具”}-->{檢測項目=“大腸菌群”}；置信度=0.923；

規(guī)則4：{食品小類=“醬鹵肉制品”，食品大類=“肉及肉制品”-->{檢測項目=“菌落總數(shù)”}；置信度=0.794。

由以上4條規(guī)則可知，菌落總數(shù)對飲用水、水產(chǎn)加工品以及肉制品的危害程度較高，應(yīng)作為監(jiān)管人員檢測食品的重點對象，餐飲具不合格原因主要是大腸菌群不達(dá)標(biāo)，餐飲行業(yè)應(yīng)該加強(qiáng)做好消毒防護(hù)措施。

5 結(jié)論

本文通過分析海量的食品安全抽檢數(shù)據(jù)，利用Hash技術(shù)改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法，建立了三種適用于不同食品安全問題場景下的情報分析模型，對食品抽檢數(shù)據(jù)進(jìn)行挖掘，能夠挖掘出有價值、有意義的情報規(guī)則。并結(jié)合具體的場景獲取的規(guī)則，給出監(jiān)管部門相應(yīng)的執(zhí)行措施，對食品安全監(jiān)督管理工作具有指導(dǎo)意義。