来源：期刊VIP网 时间：
作者：周伟华;周涵;王东琪;张皓然;
单位：浙江大学管理学院;浙江大学公共管理学院;浙江大学计算机科学与技术学院;
摘要：面对食品政策传统评估方法在处理复杂食品供应链数据时的局限性，本文开发了一种结合反事实因果推断和时空图网络的深度学习模型FATs，以评估浙江省“浙食链”数字化改革的政策效果。该模型在长短期记忆网络(LSTM)基础上融合了基于注意力机制的供应链关系图谱。对比实验表明，相较于传统的基于LASSO的合成控制法(SCUL)和标准LSTM网络，FATs在预测精度和捕捉食品供应链关键信息方面具有显著优势。通过对浙江省2013—2022年间六类生鲜食品抽检数据深入分析，本文证实了“浙食链”数字化改革显著降低了食品不合格率的政策效应。本文研究不仅提高了食品安全政策评估的科学准确性，也为数字化改革提供了可靠的量化评估工具，对推动食品安全管理现代化具有重要实践意义。
关键词：食品安全;;供应链管理;;机器学习;;政策评估;;注意力机制
基金资助：国家自然科学基金资助项目(72192823)
