食品安全的风险预警对于及时发现食品安全隐患具有很重要的意义。由于食品安全风险发生存在随机性和突发性,即食品会因为时间、地点等信息存在突发情况,所以我国一直以来都提倡“工商监管、经营者自律、消费者参与、社会监督”四位一体的长效监管体系。在此基础上,本文主要对食品在流通环节进行了风险预警的方法研究,主要工作如下:分析食品流通环节中可以辅助进行食品风险预警的数据来源主体,提出了基于微博舆情数据、新闻媒体报道数据、抽样检测数据的综合分析方法。将早期舆情发现、中期风险评估相结合,共同构成食品流通环节中多源食品数据风险预警体系,其中针对每一部分:1.微博舆情数据情感分析方法研究在指定抽检方案前,需要针对负面情绪多、危害性相对较大的食品进行舆情的分析。本文首先对微博高级搜索爬虫进行研究,可以获得某时间段、某地区包含有具体食品关键词的微博数据,然后提出采用基于Bert(Bidirectional Encoder Representation from Transformers)深度迁移学习模型的情感分析方法对微博上爬取的固定类别食品相关的舆情数据进行情感分析,并和基于传统词向量结合LSTM、Bi-LSTM的深度学习模型做实验对比。最后对发现的负面情绪评论采用词云图的方式提取负面热点词,发现负面情绪走势,为监管部门的抽检方案提供支撑。2.新闻媒体报道的文本聚类方法研究针对已发生食品事件的新闻报道的收集也可以对某地区的监管部门起到警示作用,故本文提出在传统向量空间模型的基础上,结合新闻报道中的食物、地点命名实体共同计算文本之间的相似度,最后使用Single-Pass聚类算法对新闻文本进行聚类。在实验方面,首先使用网络爬虫爬取部分往年代表性的食品安全事件进行仿真实验验证算法效果,发现本文提出的算法在聚类效果上得到提升。最后提出使用单位时间段内新闻聚类中的文本数评估某食品事件话题的危险程度,并对平台上收集的贵州省2018年食品事件报道进行算法分析,以起到对地区范围内相关食品的预警作用。3.抽样检测数据风险评估方法研究舆情情感分析和对新闻媒体报道的文本聚类只能获取负面情绪较高或者媒体报道的食品安全事件所涉及的食品类别,从根本上来说只是为相关的监管抽检部门的抽检方案和计划提供辅助,起到早期的警示作用。在实际情况中,相关部门需要对相关所涉及的食品进行有针对性的抽检,因此对于抽样检测结果如何分析和风险评估成为流通环节中风险预警的重要一环,故本文考虑了抽检结果的可能性和严重性,提出了基于二元风险等级法对抽检结果进行风险评估,以更好的分析抽检结果的风险等级,起到预警作用。