[ad_1]

محققان هستند با استفاده از استخراج متن و یادگیری ماشینی کنترل شده سعی کنید کلمات و عبارات منحصر به فرد را در انتشارات آنلاین شناسایی کنید که تعاملات مصرف کننده با غذاهای خطرناک را شناسایی می کند.

تیمی از دانشمندان دانشگاه ایالتی سن دیگو ، ویرجینیا تک ، دانشگاه Loyola Marymount و دانشگاه رادفورد ، آنها می گویند امیدوارند که این یک وسیله عملی و ارزان برای نظارت سریع بر ایمنی مواد غذایی در زمان واقعی باشد.

این روش ها با مجموعه ای از داده های گردآوری شده با نشریات کاربر دارای برچسب که شامل دو وب سایت اصلی است ، استفاده شد. محققان سپس روش های خود را با استخراج متن مبتنی بر روحیه سنتی مقایسه کردند.

پس از ارزیابی اثربخشی در تنظیم حجم با استفاده از مجموعه داده ای بیش از 4 میلیون بررسی آنلاین ، این مطالعه نشان داد که روش های آن در بالاترین رتبه بندی 77٪ تا 90٪ دقیق بوده ، در حالی که تجزیه و تحلیل خلق و خو فقط 11٪ تا 26٪ است. دقیقا. این مطالعه همچنین نتایج را در سطح بررسی برای ارزیابی خطر در سطح محصول خلاصه می کند.

گروهی متشکل از 21 متخصص ایمنی مواد غذایی توانایی این مدل را در شناسایی محصولاتی ارزیابی کردند که به طور قابل توجهی خطر بیشتری نسبت به محصولات اساسی نشان می دهند.

پاتریک کوید

محققان گفتند پاتریک کواد ، بنیانگذار iwaspoisoned.com، دسترسی به مجموعه ای از داده های گزارش های ایمنی مواد غذایی را فراهم کرده است که مطالعه را امکان پذیر می کند. بستر iwaspoisoned.com یک وب سایت کاربرپسند برای بازدیدکنندگان است که مسمومیت غذایی یا تجربیات بد غذایی را گزارش می کند.

کواد سایت اینترنتی مشترکین بهداشت عمومی در 45 ایالت آمریکا وجود دارد. در سراسر جهان ، خدمات بهداشت عمومی از سنگاپور ، انگلستان ، کانادا ، استرالیا و آلمان در سرویس هشدار iwaspoisoned.com مشترک هستند.

اعتبار این وب سایت در شناسایی چندین کانون شناخته شده بیماریهای ناشی از غذا در سالهای اخیر اعتبار یافته است.

اطلاعات بیشتر در مورد این مطالعه را می توان یافت اینجا.

(برای ثبت نام در اشتراک رایگان اخبار ایمنی مواد غذایی ، کلیک اینجا)

[ad_2]

منبع: kafsh-news.ir