[发明专利]一种支持危害鉴别的食品安全风险知识图谱、构建方法

说明书

本发明属于人工智能领域，公开了一种支持危害鉴别的食品安全风险知识图谱、构建方法，设计知识图谱模式层的各节点、关系以及属性；建立Neo4j图数据库；基于海量新闻资讯、论坛贴士、机构数据将专业知识信息总结成便于理解的信息，并将非专业知识凝练提取成有用的知识，提取构建食品安全知识平台。本发明在保证知识实体的准确性的同时，丰富实体关系和知识间的关联性，构建具有关系丰富，实体间联系紧密的知识图谱模式层。本发明基于海量的新闻资讯、论坛贴士、机构数据将难以理解的专业知识信息总结成便于理解的信息，并将非专业知识凝练提取成有用的知识。并以此为基础，提取构建食品安全知识平台。

技术领域

本发明属于食品安全知识图谱技术领域，尤其涉及一种支持危害鉴别的食品安全风险知识图谱、构建方法。

背景技术

目前，知识图谱(Knowledge Graph)，又被称为知识域可视化或知识领域映射地图，是显示知识结构关系的一系列各种不同的图形。其用可视化技术描述知识资源及其载体，并挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

在知识图谱技术问世之前，人们通常使用深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。随着深度学习技术广泛应用于语音识别，图像识别以及自然语言处理等领域，人们逐渐发现其具有一定的局限性。深度学习通过大量的数据训练能发现事物与事物之间的联系，但其无法解释其中的因果关系，这极大限制了深度学习技术在我们实际生活中的进一步运用。而知识图谱技术是基于图的结构，将事物的背景知识串联起来，使得其在描述事物之间联系的同时也能揭示出它们之间存在的因果关系。

随着大数据技术的发展以及海量数据转化为知识时代的到来，知识图谱技术能够从海量非结构化数据(如文本和图像)和结构化数据中进行知识获取、知识共享，并在大数据时代进行知识创新知识图谱可以高效、直观地描绘出目标对象之间的相关网络，并在多维视角实现对象的真实情况和错综复杂的关系。目前的知识图谱主要运用在地理、生物、文学等领域。

食品安全知识指的是食品及其可能添加剂的信息，包括食品与添加剂的属性、添加目的与鉴别方法等。食品安全知识储备其直接影响民众的生活，也是商品经济下生活水平提高的必然需求。如今，越来越多的民众开始认识到食品安全的重要性，并通过网络平台了解相关知识。然而在实际生活中，并没有统一的食品安全知识平台。这使得民众常常需要面从海量繁多的新闻资讯、论坛贴士、机构数据等信息中总结、发现知识。此外大部分食品安全知识过于专业，使得普通民众难以了解学习，而较为通俗的食品安全知识信息则，也缺乏一定的专业性。

目前在食品安全知识图谱上研究较少，而传统的百科型知识图谱主要以专业数据库作为数据源，因此在食品安全知识图谱的构件上存在一定的问题。网络数据的特性复杂，导致直接利用数据集进行构建会导致知识图谱关系混乱、实体不准确。同时，食品安全知识图谱作为知识平台，需要注重知识的关联性，传统的知识图谱模式层设计主要目的是提高抽取实体的准确性而非丰富实体关系，因此需要改进现有的知识图谱模式，以构建具有关系丰富，实体间联系紧密的知识图谱。此外，针对特定研究目标,并没有形成一套明确的应用研究规范,供对比研究的规范数据样本集也很缺乏。

通过上述分析，现有技术存在的问题及缺陷为：

(1)传统的百科型知识图谱主要以专业数据库作为数据源，网络数据的特性复杂，导致直接利用数据集进行构建会导致知识图谱关系混乱、实体不准确。

(2)传统的知识图谱模式层设计主要目的是提高抽取实体的准确性而非丰富实体关系。

(3)传统知识图谱的针对特定目标无明确的应用研究规范,供对比研究的规范数据样本集也很缺乏。

解决以上问题及缺陷的难度为：