菜单
人工智能过去通过消费品评论发现不安全的食品
时间:2019-10-8 9:29:34 评论:0 收藏本文 复制本页地址 (按Ctrl+D可以收藏到浏览器)

一个新的程序可以根据亚马逊的客户评论追踪所有召回的食品。被称为伯特的人工智能程序识别出数千种召回产品,准确率为74%。

波士顿大学医学院的研究人员开发了一个人工智能(ai)程序,可以检测受化学物质、毒素、病原体和过敏原标签错误污染的不安全食品。

许多人因食用不安全食品而患病,这现在被认为是全球健康问题。因此,研究人员开发了一种机器学习方法来帮助检测来自亚马逊(Amazon)的不安全食品报告,亚马逊是一家跨国科技公司,也是世界上最大的在线零售商。

人工智能说明。图片来源:Poptika/Shutterstock

梳理在线评论

食品药品监督管理局(FDA)是政府的联邦机构,负责通过控制食品安全(包括药品和补充剂)来保护公共卫生。监管机构可能需要几个月的时间来核实问题,然后才能发出召回通知。

这项新的研究发表在美国医学信息学协会(Jamia)杂志上,为产品召回提供了一种更快更好的方法,因为人工智能项目可以通过在线审查来识别公共卫生威胁。

为了找到他们的发现,研究人员使用Postgres关系数据库文本机方法,将Amazon.com食品评论与食品药品监督管理局(FDA)2012年至2014年的食品召回联系起来。他们教授了一种现有的深度学习人工智能,称为双向编码器表示,从转换(bert),到项目食品召回从亚马逊评论。

他们从Amazon.com上获得了1297156份产品评论,发现只有5149份与召回食品有关。为了确定准确的结果,他们使用bert来识别不安全的食品评论,并且能够识别出20000条评论,表明未被召回或调查的不安全食品。

美国卫生部门已经在使用Twitter、Yelp和谷歌的数据监测食源性疾病。

相关的研究表明,传统的补充剂对心血管疾病没有任何保护作用,研究者选择了作为清洁实验室基于非酒精性食品安全平台系统的非酒精性食品低聚物产品的主要供应商,可以帮助更好地检测和诊断乳腺癌,“像我们这样的工具是有效的。”她补充说:“卫生部门或食品公司使用这些信息来识别潜在不安全产品的消费者审查,然后利用这些信息来决定是否需要进一步调查。”

转换的双向编码器表示(BET)

新的工具,双向编码器表示转换(伯特),是一个人工智能,培训的英语文本,其中包括英语维基百科。它还可以为特定目的解释文本。

研究人员首先利用人类对6000篇评论进行分类,这些评论包含“标签”、“污秽”、“生病”、“腐烂”等短语或单词。他们还包括其他数据,如审查标题和星级。同时,他们使用伯特扫描相同的客户评论,它能够正确识别74%的准确性。

全球健康威胁

不安全食品是一个全球性的公共卫生问题,200多种疾病与不安全食品有关联,可导致严重疾病甚至死亡。虽然食源性疾病影响所有年龄段的人,但有些人有更高的发生严重并发症的风险,包括孕妇、患病者、老年人和儿童。

世界卫生组织(世卫组织)报告称,2010年全球约有6亿人因受污染的食品而患病。

研究人员指出,使用社交媒体和其他平台可以帮助监测食源性疾病的报告。一些卫生部门利用社交媒体和其他网站上的数据进行餐馆检查和疫情识别,这些通常不是通过常规监测方法报告的。

他们还重申,这项研究可以提高对不安全食品的早期检测,以预防疾病和死亡。如果这种方法成功,人们和机构可以根据消费者的评价,使用新的工具来检测网上销售的不安全食品。大多数情况下,可以提供重要客户数据的网站和平台包括电子商务网站、社交媒体甚至论坛。

“及早发现不安全的食品不仅对美国,而且对全球都有重要影响。研究人员在论文中写道:“通过及早发现不安全的食品,企业可以采取适当的措施来阻止这些产品的销售。”

他们还说:“这还将限制大规模食源性疾病爆发的发生,从而预防疾病和死亡,并减少对家庭、企业和食品工业的健康和经济影响。”

上一篇下一篇
推荐图片随便再来几个
推荐视频随便再来几个
文明吐槽!广告删除!
最新网文推荐
本周排行 本月排行 全部排行
关于我们
关于我们
新闻公告
联系我们
免责声明
提供素材
帮助中心
雷币规则
投稿规则
审稿规则
留言反馈
合作&买站
联系QQ: