數(shù)據(jù)挖掘方法在食品安全數(shù)據(jù)中的應(yīng)用

邊春娜　趙春青　鄧云嵐

摘 要：本文結(jié)合食品安全檢測(cè)數(shù)據(jù)的特點(diǎn)，將數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則方法應(yīng)用到食品安全檢測(cè)數(shù)據(jù)中來，挖掘出其中的隱含規(guī)則，為食品安全監(jiān)督提供政策支持，提高監(jiān)督的效率。

關(guān)鍵詞：食品安全； 數(shù)據(jù)挖掘； 關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-3315（2014）12-188-001

數(shù)據(jù)挖掘是數(shù)據(jù)分析的新技術(shù)，它可從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中人們事先不知道的但又是潛在有用的信息或知識(shí)。數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則能夠發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間的相關(guān)聯(lián)系，適用于食品安全檢測(cè)數(shù)據(jù)的分析。

本文分析了食品安全檢測(cè)數(shù)據(jù)的特點(diǎn)，并通過具體實(shí)例，得到了對(duì)食品安全監(jiān)管進(jìn)行決策支持的規(guī)則，這為將關(guān)聯(lián)規(guī)則技術(shù)引入食品安全監(jiān)管輔助系統(tǒng)打下了基礎(chǔ)。

1.食品安全檢測(cè)數(shù)據(jù)特點(diǎn)分析

食品安全檢測(cè)中，對(duì)抽取的樣品進(jìn)行檢驗(yàn)得到的信息經(jīng)整理后存放在一個(gè)事務(wù)數(shù)據(jù)庫里，這些數(shù)據(jù)的特點(diǎn)如下：

1.1存放這些檢測(cè)數(shù)據(jù)的數(shù)據(jù)庫中通常包含：食品的名稱、種類、產(chǎn)地、抽檢樣品號(hào)、檢測(cè)時(shí)間、檢測(cè)項(xiàng)目、檢測(cè)結(jié)果及單位、檢測(cè)點(diǎn)、檢測(cè)負(fù)責(zé)人等等。

1.2同類樣品所檢測(cè)項(xiàng)目分布不均。每個(gè)樣品通常檢測(cè)多個(gè)項(xiàng)目，不同項(xiàng)目施檢頻率不同。對(duì)于關(guān)注程度高、風(fēng)險(xiǎn)較大的項(xiàng)目，施檢頻率高；而對(duì)于關(guān)注程度低、風(fēng)險(xiǎn)較小的項(xiàng)目，施檢頻率低。

1.3檢測(cè)的項(xiàng)目通常分為2種：第1種是病原微生物、禁用物質(zhì)類危害物，其主要特點(diǎn)就是該類危害物一旦有檢出，即被視為陽性，這類項(xiàng)目的檢測(cè)結(jié)果只有“檢出”和“未檢出”2種；第2種是限量類危害物，主要是指有著最大殘留限量規(guī)定的危害物，其類別涉及到農(nóng)藥殘留、獸藥殘留、食品添加劑、有害元素、工業(yè)污染物等，這類項(xiàng)目的檢測(cè)結(jié)果為數(shù)值型數(shù)據(jù)。

2.關(guān)聯(lián)規(guī)則挖掘介紹

存放食品安全檢測(cè)信息的事務(wù)數(shù)據(jù)庫中，每個(gè)記錄代表1個(gè)事務(wù)。每個(gè)事務(wù)包含1個(gè)唯一的事務(wù)標(biāo)識(shí)號(hào)（如抽檢樣品號(hào)）和1個(gè)組成事務(wù)的項(xiàng)的列表（如檢驗(yàn)的時(shí)間、檢驗(yàn)的項(xiàng)目、食品的類別、產(chǎn)地等等）。我們把項(xiàng)的集合稱為項(xiàng)集（itemset），包含k個(gè)項(xiàng)的項(xiàng)集稱為項(xiàng)集，如集合{類別代碼，檢測(cè)日期，項(xiàng)目一，項(xiàng)目二}是一個(gè)項(xiàng)集。

設(shè)I={i1，i2，…，im}是項(xiàng)的集合。設(shè)要挖掘的數(shù)據(jù)D是數(shù)據(jù)庫事務(wù)的集合，其中每個(gè)事務(wù)T是項(xiàng)的集合，使得T？哿I。設(shè)A是一個(gè)項(xiàng)集，當(dāng)且僅當(dāng)A？哿T時(shí)，事務(wù)T包含A。關(guān)聯(lián)規(guī)則是形如A？圯B（sup，conf）的蘊(yùn)涵式，其中A？奐I，B？奐I，并且A∩B=？準(zhǔn)。把sup稱為支持度，是D中同時(shí)包含A和B的事務(wù)的百分比，也就是sup port（A？圯B）=P（A∪B）Conf idence（A？圯B）=P（B|A）。

同時(shí)滿足最小支持度閾值（min_sup）和最小置信度閾值（min_conf）的規(guī)則稱作強(qiáng)規(guī)則。關(guān)聯(lián)規(guī)則X？圯Y解釋為Y滿足X中條件的數(shù)據(jù)庫元組多半也滿足Y中條件T。

項(xiàng)集的出現(xiàn)頻率是包含項(xiàng)集的事務(wù)數(shù)，簡稱為項(xiàng)集的頻率、支持計(jì)數(shù)或計(jì)數(shù)。如果項(xiàng)集的出現(xiàn)頻率大于或等于最小支持計(jì)數(shù)（即min_與D中事務(wù)總數(shù)的乘積），則項(xiàng)集滿足最小支持計(jì)度min_sup，這時(shí)稱它為頻繁項(xiàng)集。

關(guān)聯(lián)規(guī)則的挖掘是一個(gè)2步的過程：（1）找出所有頻繁項(xiàng)集：需滿足最小支持度。（2）由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則：需滿足置信度。

3.設(shè)計(jì)

一個(gè)完整的挖掘過程包括數(shù)據(jù)的預(yù)處理和關(guān)聯(lián)規(guī)則挖掘。

3.1預(yù)處理。將食品的種類、產(chǎn)地、檢測(cè)時(shí)間、檢測(cè)項(xiàng)目及結(jié)果提取出來之后，得到的數(shù)據(jù)不適于直接進(jìn)行分析，先要進(jìn)行預(yù)處理。

針對(duì)不規(guī)范的限量類項(xiàng)目檢測(cè)結(jié)果，首先將其中非數(shù)值的數(shù)據(jù)進(jìn)行清洗，刪除檢測(cè)結(jié)果空缺的記錄，將檢測(cè)結(jié)果為“未檢出”或“ND”轉(zhuǎn)換為“0”，形如“<30”和“>500”的紀(jì)錄替換為某一確定值，在這里為了簡化直接用“<”和“>”之后的數(shù)值來替換。

另外由于關(guān)聯(lián)規(guī)則分析的數(shù)據(jù)為離散型，所以需將限量類項(xiàng)目的數(shù)值型檢測(cè)結(jié)果離散化。根據(jù)一般危害物風(fēng)險(xiǎn)分析中等級(jí)劃分方法，把檢測(cè)結(jié)果劃分為低等風(fēng)險(xiǎn)、中等風(fēng)險(xiǎn)和高等風(fēng)險(xiǎn)3個(gè)等級(jí)。

3.2關(guān)聯(lián)規(guī)則挖掘。根據(jù)食品檢測(cè)項(xiàng)目數(shù)據(jù)分布不均的特點(diǎn)，選擇廣度優(yōu)先算法Apriori。它基于這樣的思想：頻繁項(xiàng)集的所有非空子集都必須也是頻繁的。Apriori使用1種稱作逐層搜索的迭代方法，k-項(xiàng)集用于探索（k+1）-項(xiàng)集。首先，找出頻繁1-項(xiàng)集的集合，該集合記作L1。L1用于找頻繁2-項(xiàng)集的集合L2，而L2用于找L3，如此下去，直到不能找到頻繁k-項(xiàng)集。找每個(gè)Lk需要一次數(shù)據(jù)庫掃描。

找出頻繁項(xiàng)集之后，使用最小置信度min_conf約束對(duì)每個(gè)頻繁項(xiàng)集進(jìn)行檢驗(yàn)。符合該約束的規(guī)則即為所求，進(jìn)行輸出。

4.應(yīng)用實(shí)例

本實(shí)例中所涉及到的數(shù)據(jù)取自某檢疫局提供的食品安全檢測(cè)數(shù)據(jù)庫。

在數(shù)據(jù)預(yù)處理的離散化部分，根據(jù)數(shù)據(jù)分布情況，選取衛(wèi)生標(biāo)準(zhǔn)值1/2、衛(wèi)生標(biāo)準(zhǔn)值為分界點(diǎn)，將其離散化為低等風(fēng)險(xiǎn)、中等風(fēng)險(xiǎn)和高等風(fēng)險(xiǎn)。在關(guān)聯(lián)規(guī)則挖掘部分，設(shè)置最小支持度為10%，最小置信度為90%，進(jìn)行挖掘。

挖掘產(chǎn)生的規(guī)則中，取幾條具代表性的進(jìn)行分析：

（1）時(shí)間=第四季度∧食品類別=果酒&葡萄酒？圯總二氧化硫=低等風(fēng)險(xiǎn)。

（2）出口國代碼=826∧食品類別=谷類蒸餾酒？圯甲醇=低等風(fēng)險(xiǎn)。

（3）出口國代碼=554∧食品類別=乳制品沙門氏菌=未檢出？圯金黃色葡萄球菌=未檢出。

上面的例子可以看出，由于食品中危害物殘留量受多方面因素影響，可能與食品種類、時(shí)間、產(chǎn)地、當(dāng)?shù)丶庸ぶ圃爝^程甚至其他危害物等諸多因素都有關(guān)，所以在實(shí)際的應(yīng)用中，需結(jié)合專業(yè)知識(shí)來分析挖掘所產(chǎn)生的規(guī)則。

5.結(jié)語

關(guān)聯(lián)規(guī)則挖掘方法在對(duì)食品安全檢測(cè)數(shù)據(jù)中多因素的分析上，有著數(shù)理統(tǒng)計(jì)方法不可比擬的優(yōu)勢(shì)。將關(guān)聯(lián)規(guī)則挖掘引入食品安全監(jiān)測(cè)數(shù)據(jù)分析，可以更有效的從已有檢測(cè)數(shù)據(jù)中發(fā)掘有用信息，對(duì)食品安全監(jiān)管制定決策有一定的輔助作用。

基金項(xiàng)目：保定市科學(xué)技術(shù)協(xié)會(huì)科研課題《保定市食品質(zhì)量安全體系的研究》（KX2013A17）

參考文獻(xiàn)：

[1]黃志權(quán).食品衛(wèi)生監(jiān)測(cè)在食品安全監(jiān)管中的作用[J]中國公共衛(wèi)生管理，2005年21期

[2]章杰鑫，張烈平.基于時(shí)序關(guān)聯(lián)規(guī)則的商品需求預(yù)測(cè)[J]計(jì)算機(jī)工程，2009年22期