CN111680953A - 食品药品流向分析方法、装置、计算机设备及存储介质 - Google Patents
食品药品流向分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111680953A CN111680953A CN202010506119.1A CN202010506119A CN111680953A CN 111680953 A CN111680953 A CN 111680953A CN 202010506119 A CN202010506119 A CN 202010506119A CN 111680953 A CN111680953 A CN 111680953A
- Authority
- CN
- China
- Prior art keywords
- data
- food
- analysis
- flow direction
- analyzing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 116
- 235000013305 food Nutrition 0.000 title claims abstract description 113
- 238000004458 analytical method Methods 0.000 title claims abstract description 107
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 229940079593 drug Drugs 0.000 title claims description 76
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000002776 aggregation Effects 0.000 claims abstract description 35
- 238000004220 aggregation Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005553 drilling Methods 0.000 claims abstract description 12
- 238000000611 regression analysis Methods 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 10
- 238000010219 correlation analysis Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 20
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 3
- 231100000331 toxic Toxicity 0.000 abstract description 20
- 230000002588 toxic effect Effects 0.000 abstract description 20
- 238000013473 artificial intelligence Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035911 sexual health Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及食品药品流向分析方法、装置、计算机设备及存储介质，该方法包括根据不同的数据源获取对应的流向数据；汇集所述流向数据，以形成汇聚库；对汇聚库内的数据进行分析处理，以得到分析结果；反馈所述分析结果至终端，以在终端显示所述分析结果。本发明通过不同的数据源获取到的食品药品相关的流向数据，在进行结构化数据和非结构化数据的划分和汇集，再采用数据清洗、标准分类、透视分析、回归分析、关联分析、钻取以及切片等多种分析手段，由此分析有毒有害食品药品的流向，实现智能分析食品药品的流向，并根据分析结果确定流通方向，以此抑制有害的食品药品的流通。
Description
技术领域
本发明涉及食品药品，更具体地说是指食品药品流向分析方法、装置、计 算机设备及存储介质。
背景技术
随着人民生活水平的不断提高，食品药品安全日益成为社会各界关心的热 点问题，食品药品安全事关百姓利益，与我们每一个人都息息相关
目前对于一些需要监控管理流向的食品药品而言，对这些食品药品采用的 监控方式是在食品药品生产完成后流向市场时进行打标签，后期采用扫描标签 与预存资料匹配的方式进行监控。
因此，有必要设计一种新的方法，实现智能分析食品药品的流向，并根据 分析结果确定流通方向，以此抑制有害的食品药品的流通。
发明内容
本发明的目的在于克服现有技术的缺陷，提供食品药品流向分析方法、装 置、计算机设备及存储介质。
为实现上述目的，本发明采用以下技术方案：食品药品流向分析方法，包 括：
根据不同的数据源获取对应的流向数据；
汇集所述流向数据，以形成汇聚库；
对汇聚库内的数据进行分析处理，以得到分析结果；
反馈所述分析结果至终端，以在终端显示所述分析结果。
其进一步技术方案为：所述数据源包括公安系统、检察院系统、法院系统 以及外部系统，所述外部系统包括新闻、贴吧以及微博。
其进一步技术方案为：所述汇集所述流向数据，以形成汇聚库，包括：
对所述流向数据划分为结构化数据和非结构化数据；
对所述非结构化数据采用流式上报以及消息队列的方式进行汇聚；
将汇集后的非结构化数据进行结构化转换，以得到转换文件；
对所述结构化数据通过定时抽取的方式进行汇聚，并与转换文件进行整合， 以得到汇聚库。
其进一步技术方案为：所述将汇集后的非结构化数据进行结构化转换，以 得到转换文件，包括：
对所述非结构化数据按照业务类型进行标签定义，以得到标注后的文书；
对标注后的文书进行运用AI算法以及建模方式进行解析，以得到转换文件。
其进一步技术方案为：所述对汇聚库内的数据进行分析处理，以得到分析 结果，包括：
将所述汇聚库内的数据进行清洗和标准分类，以得到数据库；
对数据库进行透视分析和特征分析，以得到流通地区以及种类信息；
对所述流通地区以及种类信息进行钻取以及切片，以得到流通频次；
采用关联分析和回归分析方式对数据库进行分析，以得到流通信息；
整合所述流通地区、种类信息、流通频次以及流通信息，以得到分析结果。
本发明还提供了食品药品流向分析装置，包括：
数据获取单元，用于根据不同的数据源获取对应的流向数据；
汇集单元，用于汇集所述流向数据，以形成汇聚库；
分析处理单元，用于对汇聚库内的数据进行分析处理，以得到分析结果；
反馈单元，用于反馈所述分析结果至终端，以在终端显示所述分析结果。
其进一步技术方案为：所述汇集单元包括：
划分子单元，用于对所述流向数据划分为结构化数据和非结构化数据；
第一汇集子单元，用于对所述非结构化数据采用流式上报以及消息队列的 方式进行汇聚；
转换子单元，用于将汇集后的非结构化数据进行结构化转换，以得到转换 文件；
第二汇集子单元，用于对所述结构化数据通过定时抽取的方式进行汇聚， 并与转换文件进行整合，以得到汇聚库。
其进一步技术方案为：所述转换子单元包括：
标注模块，用于对所述非结构化数据按照业务类型进行标签定义，以得到 标注后的文书；
解析模块，用于对标注后的文书进行运用AI算法以及建模方式进行解析， 以得到转换文件。
本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器， 所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述 的方法。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计 算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是：本发明通过不同的数据源获取到的 食品药品相关的流向数据，在进行结构化数据和非结构化数据的划分和汇集， 再采用数据清洗、标准分类、透视分析、回归分析、关联分析、钻取以及切片 等多种分析手段，由此分析有毒有害食品药品的流向，实现智能分析食品药品 的流向，并根据分析结果确定流通方向，以此抑制有害的食品药品的流通。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要 使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实 施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
图1为本发明实施例提供的食品药品流向分析方法的应用场景示意图；
图2为本发明实施例提供的食品药品流向分析方法的流程示意图；
图3为本发明实施例提供的食品药品流向分析方法的子流程示意图；
图4为本发明实施例提供的食品药品流向分析方法的子流程示意图；
图5为本发明实施例提供的食品药品流向分析方法的子流程示意图；
图6为本发明实施例提供的食品药品流向分析装置的示意性框图；
图7为本发明实施例提供的食品药品流向分析装置的汇集单元的示意性框 图；
图8为本发明实施例提供的食品药品流向分析装置的转换子单元的示意性 框图；
图9为本发明实施例提供的食品药品流向分析装置的分析处理单元的示意 性框图；
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部 的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳 动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包 含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除 一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添 加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施 例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使 用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个” 及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且 包括这些组合。
请参阅图1和图2，图1为本发明实施例提供的食品药品流向分析方法的应 用场景示意图。图2为本发明实施例提供的食品药品流向分析方法的示意性流 程图。该食品药品流向分析方法应用于服务器中。该服务器与终端进行数据交 互，实时获取来自不同系统的数据，对这些数据进行分析后，挖掘出食品药品 的流向，并反馈至终端，以在终端进行显示。
图2是本发明实施例提供的食品药品流向分析方法的流程示意图。如图2 所示，该方法包括以下步骤S110至S140。
S110、根据不同的数据源获取对应的流向数据。
在本实施例中，流向数据是指来自不同数据源的与食品药品相关的信息。
所述数据源包括公安系统、检察院系统、法院系统以及外部系统，所述外 部系统包括新闻、贴吧以及微博。
数据源有四种来源：公安执法系统、法院系统、检察院统一业务系统、外 部系统，此四种数据源都有不同的数据类型，公安执法系统数据、法院办案卷 宗数据、检察院统一业务系统数据、外部数据包括结构化数据、卷宗非结构化 数据。对于不同数据的来源渠道，可判断出其数据结构，比如公安执法系统中 用接口传输过来的数据可直接入库的为结构化数据，对于一些图片、音视频等 不能直接入库的归类为非结构化数据；法院系统的数据同公安执法系统的数据 类似；对于检察院统一业务系统的数据均为结构化数据；外部系统的数据是通 过爬虫获取生成的html文件，可归类为结构化数据。。
S120、汇集所述流向数据，以形成汇聚库。
在本实施例中，汇聚库是指将采集到的流向数据整合在一个库内所形成的 结果。
根据数据的来源不同分为了内部和外部数据，数据的类型、结构、价值不 同而得出的信息也是不同的，判断出食品药品安全领域犯罪需要多方数据相结 合，在得出结论时，可通过数据看到是内部数据准确性高还是外部数据起到的 作用更大，为以后更精准的研究食品药品安全领域犯罪做铺垫。
在一实施例中，请参阅图3，上述的步骤S120可包括步骤S121～S124。
S121、对所述流向数据划分为结构化数据和非结构化数据。
在本实施例中，可以按照数据源的不同来划分成结构化数据和非结构化数 据。
S122、对所述非结构化数据采用流式上报以及消息队列的方式进行汇聚。
在本实施例中，非结构化数据主要是通过流式上报、消息队列的方式获取 到文书卷宗信息，可达到异步、解耦、削峰的效果。
S123、将汇集后的非结构化数据进行结构化转换，以得到转换文件。
在本实施例中，转换文件是指非结构化数据转换为结构化数据后形成的json 文件。
在一实施例中，请参阅图4，上述的步骤S123可包括步骤S1231～S1232。
S1231、对所述非结构化数据按照业务类型进行标签定义，以得到标注后的 文书；
S1232、对标注后的文书进行运用AI算法以及建模方式进行解析，以得到 转换文件。
非结构化数据主要是通过流式上报、消息队列的方式获取到文书卷宗信息， 在获取到文书卷宗等非结构化数据后，通过罪名和业务类型，对文书进行标签 定义，标签定义的标准参考刑法、民事诉讼法等法律法规以及司法解释，针对 打好的标签，在实际文书中进行标注，标注完成的文书运用AI(人工智能， Artificial Intelligence)算法以及建模的方式进行解析文书，在解析完同类文书后， 再运用AI机器学习的方法，进行对所有文书进行解析，已解析完的文书会形成 对应的json文件，json文件在导入到汇聚库中进行入库，到此，非结构化数据 已然转化为结构化数据。
外部系统的数据主要通过接口传输、网站定时爬取、数据导入等方式获取。 获取到数据后形成汇聚库以供数据处理使用。
S124、对所述结构化数据通过定时抽取的方式进行汇聚，并与转换文件进 行整合，以得到汇聚库。
通过创建定时任务将结构化数据以增量的方式抽取到汇聚库中，定时任务 频率采取T+1的方式，非实时的获取数据；汇聚库为最原始的数据库，数据抽 取过来不做任何修改和加工，保持数据的最原始状态；其作用是为建设下一层 打好基础。
S130、对汇聚库内的数据进行分析处理，以得到分析结果。
在本实施例中，分析结果是指食品药品安全犯罪的地区和有毒有害食品药 品的种类等信息。
在获取到数据后，通过数据清洗、标准分类，形成数据库，通过数据库得 到对应信息，通过多维分析、透视分析、回归分析、聚类分析、关联规则、特 征分析、变化和偏差分析等分析方式，运用多种分析手段如钻取、切片、旋转、 排名、排序、过滤等，用大数据技术和AI建模、算法、机器学习等技术手段挖 掘出食品药品安全犯罪的情况。
在一实施例中，请参阅图5，上述的步骤S130可包括步骤S131～S135。
S131、将所述汇聚库内的数据进行清洗和标准分类，以得到数据库。
数据库是指将汇聚库内的数据按照指定的类别进行分类形成的库。
S132、对数据库进行透视分析和特征分析，以得到流通地区以及种类信息。
在本实施例中，流通地区是指食品药品安全领域犯罪的地区，种类信息是 指有毒有害食品药品的种类。
具体地，可通过透视分析、特征分析等手段获取到一段时间内的食品药品 安全领域犯罪的地区、有毒有害食品药品的种类等信息。
S133、对所述流通地区以及种类信息进行钻取以及切片，以得到流通频次。
在本实施例中，流通频次是指有毒有害食品药品在哪些地区出现的频次。 通过钻取、切片等方式得到哪一类有毒有害食品药品在哪些地区出现频次较多。
S134、采用关联分析和回归分析方式对数据库进行分析，以得到流通信息。
在本实施例中，流通信息是指有毒有害食品药品的价值、流通区域、流通 渠道等信息。通过关联分析、回归分析等方式获取到有毒有害食品药品的价值、 流通区域、流通渠道等信息
S135、整合所述流通地区、种类信息、流通频次以及流通信息，以得到分 析结果。
具体地，根据嫌疑人信息对食品药品安全犯罪的所有环节进行串联，且根 据食品药品安全犯罪出现地区的频率和数量种类进行归纳分析得出食品药品安 全犯罪的地区和有毒有害食品药品的种类。
S140、反馈所述分析结果至终端，以在终端显示所述分析结果。
举个例子：
从文书中可提取到有毒有害食品药品的案发领域，如餐饮行业的“废弃油 脂”、添加有毒有害的非食品原料、使用国家禁止的添加剂，药品行业的性保 健品、美容整形药品、未经批准进口的外国药品等；
通过以上数据内容的获取和定位，该数据内容是通过提取文本比对“食药 监知识图谱-一种集合了食品，药品关键词及其相关关联关系的功知识模型”而 得出的，比如通过文本识别出“油”、“油料”，但通过文本向量及词频可知 匹配的词语为“汽车”，则此案卷与食药监无关，但如果匹配为“油炸”、“早 茶”等内容时，可断定其高度相关联。并且能够通过对所涉及关键词出现的文 书名称及位置进行定位，实现快速查阅，通过聚合分析特征分析等方法，可得 出有毒有害食品药品的消息传播渠道，如街边小广告，该信息在案情摘要以及 犯罪事实表述中均提及案发地、线索地，但判定其地点特殊属性则需要构建文 本间的相关架构，即构建“食药监知识图谱+地点特性”知识图谱，如某地点名 称出现后，通过解析地点名词与百度地图中地点坐标进行定位，同时将此地1 公里内，出现过的犯罪案件尤其是食药品的构建出立体结构，通过地址构建彼 此之间案件潜在关联、批发店、微信、朋友圈、淘宝等；用AI模型可预判出有 毒有害食品药品的下一步的流通走向，具体是对既往全国案件的分析，可知不 同类型案件发展流向不同，危害程度不同。通过之前的分析可知此案件是属于 哪个领域，涉及案件中的物品是什么，因此已构建出不同地域下、不同类目下的物品危害方向及产地、销售地的关联关系，为“食药监知识图谱+流通特性”； 通过大数据技术变化和偏差分析，得出有毒有害食品药品犯罪的态势走向，以 及相关单位对已流通在市场上的有毒有害药品食品的查处回收情况，如对既往 案件的处理，可得到“食药监知识图谱+处罚/判决特性”；通过聚合分类得出各 省市关于有毒有害食品药品犯罪的分布情况；针对食品药品安全犯罪嫌疑人的 分析，可得出食品药品犯罪嫌疑人的年龄、身份、职业等信息。食品药品案件 通过构建四位一体的“食药监知识图谱”、“食药监知识图谱+地点特性”、“食 药监知识图谱+流通特性”、“食药监知识图谱+处罚/判决特性”的立体关联关 系，实现对食品药品安全领域犯罪分析完整闭环。
根据上述分析挖掘方法，经过以上流程，最后会将每一次的食品药品安全 领域的犯罪分析的很透彻，从主要涉案人群职业、案发领域、传播渠道、地区 分布，从而可引导更多的社会大众更关注此类情况，实现全民监督。经过长时 间对数据的归集分类，运用机器深度学习的方法，有助于公安、检察院对案件 的审查起到决策作用，同时可以帮助食药监、卫计委、工商局等机关对此类情 况进行重点把控。实现对食品药品全生命周期的归集，从检察官、公安办案角 度对案件的办理起到积极作用，更能体现出对社会和谐发展的馈赠，为后续抑 制有毒有害食品药品的流通，和预判性的调动办案人员提供有效帮助。
本方法可以协助行政机关快速、直接判断出有毒有害食品药品的流通渠道、 发案环节、案发领域、案发地区、涉案主体等信息，可联合食药监、工商部门、 卫生部门、工信部等多部门，严格审查经营相关经营场所，规范网络媒体对药 品保健品的宣传管理，提前预防食品药品安全领域犯罪案件的发生，加强检察 机关对食品药品安全领域犯罪案件办理的监督情况，根据法院的生效判决情况， 对食品药品安全领域犯罪案件的量刑判决情况进行把控，帮助检察机关和司法 部门对食品药品安全领域犯罪案件进行趋势分析，针对食品药品类犯罪的高发 领域和环节，结合典型案件积极探索食品药品类安全领域犯罪的高发领域和环 节，结合典型案件积极探索食品药品安全领域的公益诉讼案件办理新路径，提升办案效果和食品药品安全综合治理现代化水平。
上述的食品药品流向分析方法，通过不同的数据源获取到的食品药品相关 的流向数据，在进行结构化数据和非结构化数据的划分和汇集，再采用数据清 洗、标准分类、透视分析、回归分析、关联分析、钻取以及切片等多种分析手 段，由此分析有毒有害食品药品的流向，实现智能分析食品药品的流向，并根 据分析结果确定流通方向，以此抑制有害的食品药品的流通。
图6是本发明实施例提供的一种食品药品流向分析装置300的示意性框图。 如图6所示，对应于以上食品药品流向分析方法，本发明还提供一种食品药品 流向分析装置300。该食品药品流向分析装置300包括用于执行上述食品药品流 向分析方法的单元，该装置可以被配置于服务器中。具体地，请参阅图6，该食 品药品流向分析装置300包括数据获取单元301、汇集单元302、分析处理单元 303以及反馈单元304。
数据获取单元301，用于根据不同的数据源获取对应的流向数据；汇集单元 302，用于汇集所述流向数据，以形成汇聚库；分析处理单元303，用于对汇聚 库内的数据进行分析处理，以得到分析结果；反馈单元304，用于反馈所述分析 结果至终端，以在终端显示所述分析结果。
在一实施例中，如图7所示，所述汇集单元302包括划分子单元3021、第 一汇集子单元3022、转换子单元3023以及第二汇集子单元3024。
划分子单元3021，用于对所述流向数据划分为结构化数据和非结构化数据； 第一汇集子单元3022，用于对所述非结构化数据采用流式上报以及消息队列的 方式进行汇聚；转换子单元3023，用于将汇集后的非结构化数据进行结构化转 换，以得到转换文件；第二汇集子单元3024，用于对所述结构化数据通过定时 抽取的方式进行汇聚，并与转换文件进行整合，以得到汇聚库。
在一实施例中，如图8所示，所述转换子单元3023包括标注模块30231以 及解析模块30232。
标注模块30231，用于对所述非结构化数据按照业务类型进行标签定义，以 得到标注后的文书；解析模块30232，用于对标注后的文书进行运用AI算法以 及建模方式进行解析，以得到转换文件。
在一实施例中，如图9所示，所述分析处理单元303包括分类子单元3031、 第一分析子单元3032、钻取子单元3033、第二分析子单元3034以及信息整合 子单元3035。
分类子单元3031，用于将所述汇聚库内的数据进行清洗和标准分类，以得 到数据库；第一分析子单元3032，用于对数据库进行透视分析和特征分析，以 得到流通地区以及种类信息；钻取子单元3033，用于对所述流通地区以及种类 信息进行钻取以及切片，以得到流通频次；第二分析子单元3034，用于采用关 联分析和回归分析方式对数据库进行分析，以得到流通信息；信息整合子单元 3035，用于整合所述流通地区、种类信息、流通频次以及流通信息，以得到分 析结果。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述食品药品流 向分析装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应 描述，为了描述的方便和简洁，在此不再赘述。
上述食品药品流向分析装置300可以实现为一种计算机程序的形式，该计 算机程序可以在如图10所示的计算机设备上运行。
请参阅图10，图10是本申请实施例提供的一种计算机设备的示意性框图。 该计算机设备500是服务器，其中，服务器可以是独立的服务器，也可以是多 个服务器组成的服务器集群。
参阅图10，该计算机设备500包括通过系统总线501连接的处理器502、 存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储 器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算 机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种 食品药品流向分析方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运 行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供 环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种食 品药品流向分析方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解， 图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对 本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可 以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部 件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实 现如下步骤：
根据不同的数据源获取对应的流向数据；汇集所述流向数据，以形成汇聚 库；对汇聚库内的数据进行分析处理，以得到分析结果；反馈所述分析结果至 终端，以在终端显示所述分析结果。
其中，所述数据源包括公安系统、检察院系统、法院系统以及外部系统， 所述外部系统包括新闻、贴吧以及微博。
在一实施例中，处理器502在实现所述汇集所述流向数据，以形成汇聚库 步骤时，具体实现如下步骤：
对所述流向数据划分为结构化数据和非结构化数据；对所述非结构化数据 采用流式上报以及消息队列的方式进行汇聚；将汇集后的非结构化数据进行结 构化转换，以得到转换文件；对所述结构化数据通过定时抽取的方式进行汇聚， 并与转换文件进行整合，以得到汇聚库。
在一实施例中，处理器502在实现所述将汇集后的非结构化数据进行结构 化转换，以得到转换文件步骤时，具体实现如下步骤：
对所述非结构化数据按照业务类型进行标签定义，以得到标注后的文书； 对标注后的文书进行运用AI算法以及建模方式进行解析，以得到转换文件。
在一实施例中，处理器502在实现所述对汇聚库内的数据进行分析处理， 以得到分析结果步骤时，具体实现如下步骤：
将所述汇聚库内的数据进行清洗和标准分类，以得到数据库；对数据库进 行透视分析和特征分析，以得到流通地区以及种类信息；对所述流通地区以及 种类信息进行钻取以及切片，以得到流通频次；采用关联分析和回归分析方式 对数据库进行分析，以得到流通信息；整合所述流通地区、种类信息、流通频 次以及流通信息，以得到分析结果。
应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理 器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或 者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中， 通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分 流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程 序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介 质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的 实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介 质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理 器执行如下步骤：
根据不同的数据源获取对应的流向数据；汇集所述流向数据，以形成汇聚 库；对汇聚库内的数据进行分析处理，以得到分析结果；反馈所述分析结果至 终端，以在终端显示所述分析结果。
其中，所述数据源包括公安系统、检察院系统、法院系统以及外部系统， 所述外部系统包括新闻、贴吧以及微博。
在一实施例中，所述处理器在执行所述计算机程序而实现所述汇集所述流 向数据，以形成汇聚库步骤时，具体实现如下步骤：
对所述流向数据划分为结构化数据和非结构化数据；对所述非结构化数据 采用流式上报以及消息队列的方式进行汇聚；将汇集后的非结构化数据进行结 构化转换，以得到转换文件；对所述结构化数据通过定时抽取的方式进行汇聚， 并与转换文件进行整合，以得到汇聚库。
在一实施例中，所述处理器在执行所述计算机程序而实现所述将汇集后的 非结构化数据进行结构化转换，以得到转换文件步骤时，具体实现如下步骤：
对所述非结构化数据按照业务类型进行标签定义，以得到标注后的文书； 对标注后的文书进行运用AI算法以及建模方式进行解析，以得到转换文件。
在一实施例中，所述处理器在执行所述计算机程序而实现所述对汇聚库内 的数据进行分析处理，以得到分析结果步骤时，具体实现如下步骤：
将所述汇聚库内的数据进行清洗和标准分类，以得到数据库；对数据库进 行透视分析和特征分析，以得到流通地区以及种类信息；对所述流通地区以及 种类信息进行钻取以及切片，以得到流通频次；采用关联分析和回归分析方式 对数据库进行分析，以得到流通信息；整合所述流通地区、种类信息、流通频 次以及流通信息，以得到分析结果。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory， ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示 例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现， 为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地 描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决 于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用 来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范 围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可 以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例 如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划 分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特 征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。 本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外， 在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各 个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使 用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质 上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软 件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干 指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等) 执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于 此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到 各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。 因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.食品药品流向分析方法，其特征在于，包括：
根据不同的数据源获取对应的流向数据；
汇集所述流向数据，以形成汇聚库；
对汇聚库内的数据进行分析处理，以得到分析结果；
反馈所述分析结果至终端，以在终端显示所述分析结果。
2.根据权利要求1所述的食品药品流向分析方法，其特征在于，所述数据源包括公安系统、检察院系统、法院系统以及外部系统，所述外部系统包括新闻、贴吧以及微博。
3.根据权利要求1所述的食品药品流向分析方法，其特征在于，所述汇集所述流向数据，以形成汇聚库，包括：
对所述流向数据划分为结构化数据和非结构化数据；
对所述非结构化数据采用流式上报以及消息队列的方式进行汇聚；
将汇集后的非结构化数据进行结构化转换，以得到转换文件；
对所述结构化数据通过定时抽取的方式进行汇聚，并与转换文件进行整合，以得到汇聚库。
4.根据权利要求3所述的食品药品流向分析方法，其特征在于，所述将汇集后的非结构化数据进行结构化转换，以得到转换文件，包括：
对所述非结构化数据按照业务类型进行标签定义，以得到标注后的文书；
对标注后的文书进行运用AI算法以及建模方式进行解析，以得到转换文件。
5.根据权利要求1所述的食品药品流向分析方法，其特征在于，所述对汇聚库内的数据进行分析处理，以得到分析结果，包括：
将所述汇聚库内的数据进行清洗和标准分类，以得到数据库；
对数据库进行透视分析和特征分析，以得到流通地区以及种类信息；
对所述流通地区以及种类信息进行钻取以及切片，以得到流通频次；
采用关联分析和回归分析方式对数据库进行分析，以得到流通信息；
整合所述流通地区、种类信息、流通频次以及流通信息，以得到分析结果。
6.食品药品流向分析装置，其特征在于，包括：
数据获取单元，用于根据不同的数据源获取对应的流向数据；
汇集单元，用于汇集所述流向数据，以形成汇聚库；
分析处理单元，用于对汇聚库内的数据进行分析处理，以得到分析结果；
反馈单元，用于反馈所述分析结果至终端，以在终端显示所述分析结果。
7.根据权利要求6所述的食品药品流向分析装置，其特征在于，所述汇集单元包括：
划分子单元，用于对所述流向数据划分为结构化数据和非结构化数据；
第一汇集子单元，用于对所述非结构化数据采用流式上报以及消息队列的方式进行汇聚；
转换子单元，用于将汇集后的非结构化数据进行结构化转换，以得到转换文件；
第二汇集子单元，用于对所述结构化数据通过定时抽取的方式进行汇聚，并与转换文件进行整合，以得到汇聚库。
8.根据权利要求7所述的食品药品流向分析装置，其特征在于，所述转换子单元包括：
标注模块，用于对所述非结构化数据按照业务类型进行标签定义，以得到标注后的文书；
解析模块，用于对标注后的文书进行运用AI算法以及建模方式进行解析，以得到转换文件。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506119.1A CN111680953A (zh) | 2020-06-05 | 2020-06-05 | 食品药品流向分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506119.1A CN111680953A (zh) | 2020-06-05 | 2020-06-05 | 食品药品流向分析方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111680953A true CN111680953A (zh) | 2020-09-18 |
Family
ID=72434986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010506119.1A Pending CN111680953A (zh) | 2020-06-05 | 2020-06-05 | 食品药品流向分析方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111680953A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112231420A (zh) * | 2020-10-28 | 2021-01-15 | 平安直通咨询有限公司 | 数据分析方法、数据分析装置、电子设备及存储介质 |
| CN115511396A (zh) * | 2022-11-22 | 2022-12-23 | 成都银光软件有限公司 | 基于数据分析的食品管理设备运行监控方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133483A (zh) * | 2017-05-31 | 2017-09-05 | 江苏密斯欧智能科技有限公司 | 一种药品流向管理系统 |
| CN109033387A (zh) * | 2018-07-26 | 2018-12-18 | 广州大学 | 一种融合多源数据的物联网搜索系统、方法及存储介质 |
| CN109670015A (zh) * | 2018-12-12 | 2019-04-23 | 中科恒运股份有限公司 | 数据分析方法、计算机可读存储介质及终端设备 |
| CN109766374A (zh) * | 2018-12-26 | 2019-05-17 | 科大国创软件股份有限公司 | 一种信用联合监管平台 |
| CN110008306A (zh) * | 2019-04-04 | 2019-07-12 | 北京易华录信息技术股份有限公司 | 一种数据关系分析方法、装置及数据服务系统 |
| CN110781252A (zh) * | 2019-11-05 | 2020-02-11 | 安徽数据堂科技有限公司 | 一种基于大数据的数据智能分析可视化方法 |
| CN110875095A (zh) * | 2019-09-27 | 2020-03-10 | 长沙瀚云信息科技有限公司 | 一种标准化临床大数据中心系统 |
| CN111160867A (zh) * | 2019-12-31 | 2020-05-15 | 松立控股集团股份有限公司 | 大范围地域停车场大数据分析系统 |
-
2020
- 2020-06-05 CN CN202010506119.1A patent/CN111680953A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133483A (zh) * | 2017-05-31 | 2017-09-05 | 江苏密斯欧智能科技有限公司 | 一种药品流向管理系统 |
| CN109033387A (zh) * | 2018-07-26 | 2018-12-18 | 广州大学 | 一种融合多源数据的物联网搜索系统、方法及存储介质 |
| CN109670015A (zh) * | 2018-12-12 | 2019-04-23 | 中科恒运股份有限公司 | 数据分析方法、计算机可读存储介质及终端设备 |
| CN109766374A (zh) * | 2018-12-26 | 2019-05-17 | 科大国创软件股份有限公司 | 一种信用联合监管平台 |
| CN110008306A (zh) * | 2019-04-04 | 2019-07-12 | 北京易华录信息技术股份有限公司 | 一种数据关系分析方法、装置及数据服务系统 |
| CN110875095A (zh) * | 2019-09-27 | 2020-03-10 | 长沙瀚云信息科技有限公司 | 一种标准化临床大数据中心系统 |
| CN110781252A (zh) * | 2019-11-05 | 2020-02-11 | 安徽数据堂科技有限公司 | 一种基于大数据的数据智能分析可视化方法 |
| CN111160867A (zh) * | 2019-12-31 | 2020-05-15 | 松立控股集团股份有限公司 | 大范围地域停车场大数据分析系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112231420A (zh) * | 2020-10-28 | 2021-01-15 | 平安直通咨询有限公司 | 数据分析方法、数据分析装置、电子设备及存储介质 |
| CN115511396A (zh) * | 2022-11-22 | 2022-12-23 | 成都银光软件有限公司 | 基于数据分析的食品管理设备运行监控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Șerban et al. | Real-time processing of social media with SENTINEL: A syndromic surveillance system incorporating deep learning for health classification | |
| Stieglitz et al. | Social media analytics–Challenges in topic discovery, data collection, and data preparation | |
| Brooker et al. | Doing social media analytics | |
| Purohit et al. | Emergency-relief coordination on social media: Automatically matching resource requests and offers | |
| Ratkiewicz et al. | Truthy: mapping the spread of astroturf in microblog streams | |
| Gad et al. | ThemeDelta: Dynamic segmentations over temporal topic models | |
| Ferrara et al. | Clustering memes in social media | |
| Tanwar et al. | Unravelling unstructured data: A wealth of information in big data | |
| Parker et al. | A framework for detecting public health trends with twitter | |
| Thapen et al. | The early bird catches the term: combining twitter and news data for event detection and situational awareness | |
| Kraft et al. | Less after-the-fact: Investigative visual analysis of events from streaming twitter | |
| Beykikhoshk et al. | Overcoming data scarcity of Twitter: using tweets as bootstrap with application to autism-related topic content analysis | |
| EP3642739A1 (en) | Methods and systems for identifying markers of coordinated activity in social media movements | |
| CN111680125A (zh) | 诉讼案件分析方法、装置、计算机设备及存储介质 | |
| CN111680953A (zh) | 食品药品流向分析方法、装置、计算机设备及存储介质 | |
| Zin et al. | Knowledge based social network applications to disaster event analysis | |
| Kalyanam et al. | A review of digital surveillance methods and approaches to combat prescription drug abuse | |
| Ong et al. | Text mining in mosquito-borne disease: A systematic review | |
| Höferlin et al. | Scalable video visual analytics | |
| Chung et al. | A computational framework for social-media-based business analytics and knowledge creation: empirical studies of CyTraSS | |
| Riga et al. | Investigating the relationship between social media content and real-time observations for urban air quality and public health | |
| Parker et al. | Health-related hypothesis generation using social media data | |
| Chen et al. | Using data mining strategies in clinical decision making: a literature review | |
| Ali et al. | A tool for monitoring and analyzing healthcare tweets | |
| Abedi et al. | An automated framework for hypotheses generation using literature |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |