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)合食品安全檢測數(shù)據(jù)的特點，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：TP311.13 文獻(xiàn)標(biāo)識碼：A 文章編號：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。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)中項集之間的相關(guān)聯(lián)系，適用于食品安全檢測數(shù)據(jù)的分析。

本文分析了食品安全檢測數(shù)據(jù)的特點，并通過具體實例，得到了對食品安全監(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.食品安全檢測數(shù)據(jù)特點分析

食品安全檢測中，對抽取的樣品進(jìn)行檢驗得到的信息經(jīng)整理后存放在一個事務(wù)數(shù)據(jù)庫里，這些數(shù)據(jù)的特點如下：

1.1存放這些檢測數(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、檢測時間、檢測項目、檢測結(jié)果及單位、檢測點、檢測負(fù)責(zé)人等等。

1.2同類樣品所檢測項目分布不均。每個樣品通常檢測多個項目，不同項目施檢頻率不同。對于關(guān)注程度高、風(fēng)險較大的項目，施檢頻率高；而對于關(guān)注程度低、風(fēng)險較小的項目，施檢頻率低。

1.3檢測的項目通常分為2種：第1種是病原微生物、禁用物質(zhì)類危害物，其主要特點就是該類危害物一旦有檢出，即被視為陽性，這類項目的檢測結(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，這類項目的檢測結(jié)果為數(shù)值型數(shù)據(jù)。

2.關(guān)聯(lián)規(guī)則挖掘介紹

存放食品安全檢測信息的事務(wù)數(shù)據(jù)庫中，每個記錄代表1個事務(wù)。每個事務(wù)包含1個唯一的事務(wù)標(biāo)識號（如抽檢樣品號）和1個組成事務(wù)的項的列表（如檢驗的時間、檢驗的項目、食品的類別、產(chǎn)地等等）。我們把項的集合稱為項集（itemset），包含k個項的項集稱為項集，如集合{類別代碼，檢測日期，項目一，項目二}是一個項集。

設(shè)I={i1，i2，…，im}是項的集合。設(shè)要挖掘的數(shù)據(jù)D是數(shù)據(jù)庫事務(wù)的集合，其中每個事務(wù)T是項的集合，使得T？哿I。設(shè)A是一個項集，當(dāng)且僅當(dāng)A？哿T時，事務(wù)T包含A。關(guān)聯(lián)規(guī)則是形如A？圯B（sup，conf）的蘊涵式，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。

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

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

3.設(shè)計

一個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、檢測時間、檢測項目及結(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。

針對不規(guī)范的限量類項目檢測結(jié)果，首先將其中非數(shù)值的數(shù)據(jù)進(jìn)行清洗，刪除檢測結(jié)果空缺的記錄，將檢測結(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，所以需將限量類項目的數(shù)值型檢測結(jié)果離散化。根據(jù)一般危害物風(fēng)險分析中等級劃分方法，把檢測結(jié)果劃分為低等風(fēng)險、中等風(fēng)險和高等風(fēng)險3個等級。

3.2關(guān)聯(lián)規(guī)則挖掘。根據(jù)食品檢測項目數(shù)據(jù)分布不均的特點，選擇廣度優(yōu)先算法Apriori。它基于這樣的思想：頻繁項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-項集用于探索（k+1）-項集。首先，找出頻繁1-項集的集合，該集合記作L1。L1用于找頻繁2-項集的集合L2，而L2用于找L3，如此下去，直到不能找到頻繁k-項集。找每個Lk需要一次數(shù)據(jù)庫掃描。

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

4.應(yīng)用實例

本實例中所涉及到的數(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，將其離散化為低等風(fēng)險、中等風(fēng)險和高等風(fēng)險。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。

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

（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)，所以在實際的應(yīng)用中，需結(jié)合專業(yè)知識來分析挖掘所產(chǎn)生的規(guī)則。

5.結(jié)語

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

基金項目：保定市科學(xué)技術(shù)協(xié)會科研課題《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.基于時序關(guān)聯(lián)規(guī)則的商品需求預(yù)測[J]計算機(jī)工程，2009年22期