(19)中华 人民共和国 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 202111670988.9 (22)申请日 2021.12.31 (71)申请人 拉扎斯网络科技 （上海） 有限公司 地址 200333 上海市普陀区真北路78 8号 507室 (72)发明人 张未央　付磊　汪安辉　 (74)专利代理 机构 深圳市立智方成知识产权代 理事务所(普通 合伙) 44468 代理人 廖娟 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06F 40/289(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 线上控制食品风险的方法、 服务器、 终端及 电子设备 (57)摘要 本申请实施例提供了一种线上控制食品风 险的方法、 服务器、 终端及电子设备， 涉及自然语 言技术领域。 该方法包括： 获取评论文本以及关 键词文本， 关键词文本包括对应食品安全的各归 因分析结果的关键词； 将评论文本和关键词文本 输入至预先训练的风险识别模型， 获得风险识别 模型输出的评论文本的食品安全的最高风险等 级以及目标归因分析结果。 本申请实施例， 相比 现有技术人工识别的方式不仅大幅提升了识别 效率， 并且能够准确识别出归因分析结果， 为后 续进一步对高风险食品安全事件 快速预警、 消费 者食品安全投诉精准保障、 餐饮服务提供者精准 风险治理等奠定 基础。 权利要求书2页 说明书17页 附图7页 CN 114429284 A 2022.05.03 CN 114429284 A 1.一种线上控制食品风险的方法， 其特 征在于， 包括： 获取评论文本以及 关键词文本， 所述关键词文本包括对应食 品安全的各归因分析结果 的关键词； 将所述评论文本和关键词 文本输入至预先训练的风险识别模型， 获得所述风险识别模 型输出的所述评论文本的食品安全的最高风险等级以及目标归因分析 结果； 其中， 所述风险识别模型是以与餐饮相关的样本评论文本和关键词文本为训练样本， 以所述样本 评论文本的食品安全的最高风险等级和归因分析 结果为训练标签训练而成。 2.根据权利要求1所述的线上控制食 品风险的方法， 其特征在于， 所述风险识别模型包 括定级模型； 所述将所述评论文本输入至预先训练 的风险识别模型， 获得所述风险识别模型输出的 所述评论文本的食品安全的最高风险等级以及归因分析 结果， 包括： 将所述评论文本以及对应的拼音文本输入至所述定级模型， 获得所述定级模型输出的 所述评论文本的食品安全的最高风险等级； 其中， 所述定级模型是根据所述样本评论文本以及对应的拼音文本为训练样本， 以样 本评论文本的食品安全的最高风险等级为训练标签训练而成。 3.根据权利要求2所述的线上控制食 品风险的方法， 其特征在于， 所述定级模型还输出 CLS向量； 其中， 所述 最高风险等级是根据所述CLS向量确定的。 4.根据权利要求3所述的线上控制食 品风险的方法， 其特征在于， 所述风险识别模型还 包括归因模型； 所述将所述评论文本输入至预先训练 的风险识别模型， 获得所述风险识别模型输出的 所述评论文本的食品安全的最高风险等级以及目标归因分析 结果， 包括： 将所述评论文本、 所述CLS向量以及预设的关键词文本输入至所述归因模型， 获得所述 归因模型输出的所述评论文本的目标归因分析 结果； 所述归因模型是根据 所述样本评论文本、 关键词文本以及所述定级模型输出的所述样 本评论文本的CLS向量 为训练样本， 以样本 评论文本的归因分析 结果为训练标签训练而成。 5.根据权利要求4所述的线上控制食 品风险的方法， 其特征在于， 所述定级模型包括输 入层、 预训练语言模型和分类层； 所述将所述评论文本以及对应的拼音文本输入至所述定级模型， 获得所述定级模型输 出的CLS向量以及所述评论文本的食品安全的最高风险等级， 包括： 将所述评论文本和对应的拼音文本输入至所述输入层， 获得所述输入层对所述评论文 本进行字符级切分后输出的第一分词序列以及对所述拼音文本进行字符级切分后输出的 第二分词序列； 将所述第一分词序列和第 二分词序列输入至所述预训练语言模型， 获得所述预训练语 言模型输出的所述评论文本中各分词融合全文语义信息后的向量表示； 将所述向量表示输入至所述分类层， 获得所述分类层通过池化、 激活函数和全连接处 理后输出的所述CLS向量以及所述评论文本的最高风险等级。 6.一种线上控制食品风险的方法， 其特 征在于， 包括： 展示评论编辑界面， 所述评论编辑界面中展示待发布的评论文本； 响应于针对所述评论文本的评论发布操作， 展示发布后的所述评论文本， 以及所述评权　利　要　求　书 1/2 页 2 CN 114429284 A 2论文本的食品安全的最高风险等级以及目标归因分析 结果。 7.一种服 务器， 其特 征在于， 包括： 文本获取模块， 用于获取评论文本以及关键词文本， 所述关键词文本包括对应食品安 全的各归因分析 结果的关键词； 风险识别模块， 用于将所述评论文本和关键词文本输入至预先训练的风险识别模型， 获得所述风险识别模型输出的所述评论文本的食品安全的最高风险等级以及目标归因分 析结果； 其中， 所述风险识别模型是以与餐饮相关的样本评论文本和关键词文本为训练样本， 以所述样本 评论文本的食品安全的最高风险等级和归因分析 结果为训练标签训练而成。 8.一种终端， 其特 征在于， 包括： 界面展示模块， 用于展示评论编辑界面， 所述评论编辑界面中展示待发布的评论文本； 分析结果展示模块， 用于响应于针对所述评论文本的评论发布操作， 展示发布后的所 述评论文本， 以及所述评论文本的食品安全的最高风险等级以及目标归因分析 结果。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述 线上控制食品风险的方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储计算机指 令， 所述计算机指 令使所述计算机执行如权利要求1至6中任意一项 所述线上控制食品风险 的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114429284 A 3