(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221076874 4.2 (22)申请日 2022.06.30 (71)申请人 胜斗士 （上海） 科技 技术发展有限公 司 地址 201204 上海市浦东 新区牡丹路60号 10-11层 (72)发明人 凌悦　付宇　 (74)专利代理 机构 北京市金杜律师事务所 11256 专利代理师 张平 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06F 40/211(2020.01) G06F 40/30(2020.01)G06F 16/35(2019.01) (54)发明名称 基于顾客反馈确定食品安全风险的方法、 计 算设备和介质 (57)摘要 本公开提供了一种基于顾客反馈确定食品 安全风险的方法、 计算设备和计算机可读存储介 质。 该方法包括： 采集针对食品的顾客反馈文本； 对所述顾客反馈文本进行句法分析以确定所述 顾客反馈文本是否包含食品相关语义表达， 其中 所述食品相关语义表达至少包括食品名 称和与 所述食品名称 共现的描述词； 响应于确定所述顾 客反馈文本包含食品相关语义表达， 对所述顾客 反馈文本进行情感分析以获取所述顾客反馈文 本的情感得分； 对所述顾客反馈文本进行分类以 确定所述顾 客反馈文本的类别得分； 以及基于所 述情感得分和所述类别得分确定所述顾客反馈 文本所指示的食品安全风险指数。 权利要求书3页 说明书11页 附图9页 CN 115146959 A 2022.10.04 CN 115146959 A 1.一种基于顾客反馈确定食品安全风险的方法， 包括： 采集针对 食品的顾客反馈文本； 对所述顾客反馈文本进行句法分析以确定所述顾客反馈文本是否包含食品相关语义 表达， 其中所述食品相关语义表达 至少包括食品名称和与所述食品名称共现的描述词； 响应于确定所述顾客反馈文本包含食 品相关语义表达， 对所述顾客反馈文本进行情感 分析以获取 所述顾客反馈文本的情感得分； 对所述顾客反馈文本进行分类以确定所述顾客反馈文本的类别得分； 以及 基于所述情感得分和所述类别得分确定所述顾客反馈文本所指示的食品安全风险指 数。 2.如权利要求1所述的方法， 其中确定所述顾客反馈文本是否包含食品相关语义表达 包括： 对所述顾客反馈文本进行句法分析， 以确定所述顾客反馈文本是否包含多个预定词 语， 所述多个预定词语至少包括特定食品名称和特定描述词； 以及 响应于确定所述顾客反馈文本包含多个预定词语， 按照预先确定的食安语义模板确定 所述多个预定词语是否构成食品相关语义表达， 其中所述食品相关语义表达包括食品名称 和与所述食品名称共现的描述词。 3.如权利要求1或2所述的方法， 其中所述食 品相关语义表达还包括与 所述食品名称共 现的时间和/或地 点。 4.如权利要求1所述的方法， 其中获取 所述顾客反馈文本的情感得分包括： 将所述顾客反馈文本映射为文本标识序列， 其中所述文本标识序列包括一个或多个离 散编码向量； 将所生成的文本标识序列输入情 感分析模型的嵌入层， 以将所述文本标识序列转换成 连续的嵌入向量； 在所述情感分析模型的编码层对所述嵌入层输出的嵌入向量进行编码以生成所述嵌 入向量的上 下文表示； 在所述情感分析模型的池化层利用注意力函数生成所述嵌入向量的句子级别特征向 量； 在所述情感分析模型的输出层产生所述句子级别特征向量的质量概率分布， 所述质量 概率分布指示所述食品相关语义表达处于不同情感极性的概 率； 以及 基于所述句子级别特 征向量的质量 概率分布确定所述顾客反馈文本的情感得分。 5.如权利要求4所述的方法， 其中基于所述句子级别特征向量的质量概率分布确定所 述顾客反馈文本的情感得分包括： 选择所述质量 概率分布中概 率最高的情感极性作为所述顾客反馈文本的情感得分。 6.如权利要求4所述的方法， 其中基于所述句子级别特征向量的质量概率分布确定所 述顾客反馈文本的情感得分包括： 选择所述质量概率分布中概率最高的情 感极性， 将其与顾客直接做出的评分进行加权 平均以作为所述顾客反馈文本的情感得分。 7.如权利要求4所述的方法， 其中基于所述句子级别特征向量的质量概率分布确定所 述顾客反馈文本的情感得分包括：权　利　要　求　书 1/3 页 2 CN 115146959 A 2将所述质量概率分布中的每个概率与对应的情感极性进行加权平均以作为所述顾客 反馈文本的情感得分。 8.如权利要求1所述的方法， 其中确定所述顾客反馈文本的类别得分包括： 将所述顾客反馈文本映射为文本标识序列， 其中所述文本标识序列包括一个或多个离 散编码向量； 将所生成的文本标识序列输入所述文本分类模型的嵌入层， 以将所述文本标识序列转 换成连续的嵌入向量； 在所述文本分类模型的编码层对所述嵌入层输出的嵌入向量进行编码以生成所述嵌 入向量的上 下文表示； 在所述文本分类模型的池化层利用注意力函数生成所述嵌入向量的句子级别特征向 量； 在所述文本分类模型的输出层产生所述句子级别特征向量的质量概率分布， 所述质量 概率分布指示所述顾客反馈文本属于食品安全类反馈的概率和 不属于食品安全类反馈的 概率； 以及 基于所述句子级别特 征向量的质量 概率分布确定所述顾客反馈文本的类别得分。 9.如权利要求1所述的方法， 其中确定所述顾客反馈文本所指示的食品安全风险指数 包括： 对所述顾客反馈文本的情感得分和类别得分进行调和平均以确定所述顾客反馈文本 所指示的食品安全风险指数。 10.如权利要求1所述的方法， 还 包括： 基于顾客历史反馈数据和食品安全相关外 部数据构建训练样本集 合。 11.如权利要求10所述的方法， 还 包括： 对于每个顾客历史反馈数据和食品安全相关外部数据进行句法分析以筛选出所述训 练样本集 合， 所述训练样本集 合包括多个训练样本， 每 个训练样本包括食品相关语义表达； 利用所述训练样本集 合对所述情感分析模型和/或所述文本分类模型进行训练； 以及 基于所述情 感分析模型和/或所述文本分类模型的输出确定每个训练样本的食 品安全 风险指数。 12.如权利要求11所述的方法， 其中利用所述训练样本集合对所述情 感分析模型和/或 所述文本分类模型进行训练还 包括： 对所述情感分析模型的输出进行排序； 根据所述情 感分析模型的输出的排序顺序从所述输出中选择第 一预定数量个输出； 以 及 筛选所述第一预定数量个输出中与指示食品安全反馈的输出相对应的训练样本加入 所述训练样本集 合。 13.如权利要求10所述的方法， 其中利用所述训练样本集合对所述情 感分析模型和/或 所述文本分类模型进行训练还 包括： 对所述多个训练样本的食 品安全风险指数进行排序， 并且根据 所述多个训练样本的食 品安全风险指数的排序顺序选择第二预定数量个训练样本； 确定所述第二预定数量个训练样本中与食品安全相关的顾客反馈的比例是否大于预权　利　要　求　书 2/3 页 3 CN 115146959 A 3