[发明专利]一种融合多类型大数据的食品安全信用评估方法及系统

权利要求书

1.一种融合多类型大数据的食品安全信用评估方法，其特征在于，包括以下步骤：

S1、归集食品安全领域法律法规和标准规范，构建食品安全领域信用标准规范库；

S2、根据所述食品安全领域信用标准规范库，构建影响食品安全领域信用风险的信用因素指标库；

S3、针对所述信用因素指标库中的各信用因素指标从不同分析角度进行评分，并制定评分标准阈值，若该信用因素指标的评分超过所述评分标准阈值，则判定该信用指标为影响食品安全信用风险的决定性指标；

S4、从步骤S2中的所述信用因素指标库中，根据市场主体类型的不同选择该市场主体类型进行食品安全信用评估所需的信用因素指标，形成针对不同市场主体类型的评价指标体系；

S5、确定市场主体类型的所述评价指标体系中每一个信用因素指标的指标权重，利用所述评价指标体系和所述信用因素指标的指标权重，构建该市场主体类型的信用评定标准模型；

S6、利用大数据技术归集该市场主体类型的全部信用信息，并将归集到的信用信息与对应的市场主体模型的所述信用评定标准模型进行聚类分析；根据该市场主体模型的所述信用评定标准模型对当前市场主体类型的信用信息进行评价分析。

2.根据权利要求1所述的融合多类型大数据的食品安全信用评估方法，其特征在于，步骤S2中的信用因素指标库的构建方法包括：确定食品安全信用评估的市场主体类型，从市场主体类型的主观行为分析影响信用风险的信用因素指标；从基础能力因素分析影响信用风险的信用因素指标；从法规制度因素分析影响信用风险的信用因素指标；从环境因素分析影响信用风险的信用因素指标；从信息交流方面分析影响信用风险的信用因素指标。

3.根据权利要求1所述的融合多类型大数据的食品全信用评估方法，其特征在于，步骤S3中各信用因素指标的分析角度包括：影响范围、影响程度、发生频次、失信成本和社会关注度。

4.根据权利要求1所述的融合多类型大数据食品安全信用评估方法，其特征在于，步骤S5中该市场主体类型的各信用因素指标的指标权重的确定方法为：根据各信用因素指标的关联性，初次采用AHP层次分析和熵值法计算指标权重，后期通过机器学习的方法不断修正各信用因素指标的权重值。

5.根据权利要求1所述的融合多类型大数据的食品安全信用评估方法，其特征在于，步骤S6中按照GB/T34830.2归集食品企业信用信息的数据类型，包括基础登记类信息、公共信用类信息、运营及财务类信息、金融信贷类信息、社会评价类信息和生产内部信息。

6.根据权利要求1所述的融合多类型大数据的食品安全信用评估方法，其特征在于，步骤S6中关于各市场主体类型的信用信息的归集方法为：针对数据量大但不需要实时处理的数据，采用ETL传输和数据解析两种方式，将以数据文件、解析包或FTP形式的数据通过数据解析引擎进行解析后，输送至Hive数据库中，从而完成离线数据归集；针对数据量大且需要时效性高的数据，采用ETL传输，将采集的数据推送至大数据资源池中的Kafka集群中，实时对比该市场主体类型的指标评价模型，从而完成实时数据归集。

7.根据权利要求6所述的融合多类型的大数据的食品安全信用评估方法，其特征在于，步骤S6中，归集到的信用信息与所述信用评定标准模型的聚类分析方法，包括以下步骤：

S61、基于微服务架构将所述Hive数据库中的基础数据订阅到所述Kafka集群中，并将Kafka集群中的归集数据逐条传入线程池中；

S62、进入线程池中的所述归集数据与不同市场主体类型的信用评定标准模型信息进行比对，找寻相关联的市场主体类型；

S63、根据相关联的该市场主体类型的所述信用评定标准模型对归集到的该市场主体类型的信用信息进行信用评价。

8.一种融合多类型大数据的食品安全信用评估系统，其特征在于，包括信用因素指标管理单元、信用评定标准模型管理单元、信用信息数据归集单元和信用评估单元；

所述信用指标管理单元根据所述食品安全领域信用标准规范，构建影响食品安全领域信用风险的信用因素指标库；所述信用评定标准模型管理单元用于构建和存储针对不同市场主体类型的信用评定标准模型；所述信用信息数据归集单元用于归集和存储各市场主体类型的信用信息；所述信用评估单元用于调用相同市场主体类型的信用评定标准模型和归集的信用信息，对当前该市场主体类型的食品安全进行信用评估；

所述信用因素指标管理单元与所述信用评定标准模型管理单元相连接，从所述信用因素指标库中选择信用因素指标，作为各所述信用评定标准模型中的评价指标体系；所述信用评定标准模型管理单元与所述信用信息数据归集单元之间通过线程池进行连接，在线程池中实现信用评定标准模型和信用信息的匹配；所述信用因素指标管理单元与所述信用评定标准模型均与所述信用评估单元相连接，在信用评估单元完成当前该市场主体类型的食品安全信用评估，并对信用评估结果进行展示。