馬穎+丁周敏+李金洲

摘要：消費者食品安全風險感知是主觀感知，其感知結果會與客觀風險產生偏差，從而造成不必要的恐慌。因此，針對消費者的風險感知主觀狀態(tài)進行分析，提出了三種感知狀態(tài)，并運用問卷調查實證研究方法，對不同類別的食品消費者風險感知狀態(tài)進行了解，然后運用神經網(wǎng)絡方法，建立了神經網(wǎng)絡分類器，其分類準率極高。這表明，在今后的工作中可以利用該分類器對消費者食品安全風險感知狀態(tài)進行分類，以便采取切實有效的措施。

關鍵詞：食品安全；消費者風險感知；風險感知狀態(tài)

中圖分類號：F272.3；R155.1 文獻標識碼：A

DOI：10.3963/j.issn.1671-6477.2015.02.002

食品安全是保障民生的最基本問題。但近年來食品安全事件頻發(fā)，形形色色的食品安全披露信息充斥著各類媒體版面，消費者幾乎每一天都能聽到、看到有關食品安全的大大小小的信息報道，而每一次食品安全事件曝光后留下的社會反應仍然是“現(xiàn)在還有什么可以吃”的質問，迫使消費者不得不進一步提高對食品安全的關注度和重視程度。通過網(wǎng)絡搜索數(shù)據(jù)的不完全統(tǒng)計，2005-2011年間我國被曝光于網(wǎng)絡媒體的影響較大的部分品牌食品安全事件一直呈現(xiàn)上升趨勢，分析其原因有二：一是政府采取的部分措施缺乏長效性；二是消費者對食品安全關注度提高，亦導致被揭露的食品安全事件增多。特別是有些食品安全因素一直存在但始終未引起重視之后，因為關注度的提高而逐漸被揭露、曝光，從而引發(fā)較大的轟動效應?？梢姡l頻見諸媒體的食品安全事件的報道，說明食品安全問題已成為一個嚴重的公共政策問題和社會問題，而民眾對這些事件的心理反應和行動表明公眾對食品安全已經瀕臨恐慌的地步，這嚴重影響了我國經濟結構調整及和諧社會構建的戰(zhàn)略實施。因此，研究消費者食品安全風險感知的量度，建立科學的量度模型界定消費者食品安全風險感知范圍，可以為政府、企業(yè)采取和制定有效措施提供參考，以保證消費者食品安全風險感知的正確性、恰當性和客觀性，減少不必要的恐慌，促進社會和諧穩(wěn)定發(fā)展。

一、消費者食品安全風險感知狀態(tài)

消費者食品安全風險感知是指消費者對購買、食用食品過程中的風險是如何感知到、感知的程度怎樣、感知的內容是什么、這種感知又如何影響其他人等的一種動態(tài)過程。消費者食品安全風險感知強調民眾的主觀感知，與客觀風險可能并不一致。也就是說，食品安全風險有的會被消費者感知到，有的則不一定被感知到；消費者感知的風險有的存在，有的實際上并不存在；有的可能被夸大，有的則可能被縮??；同樣的風險對不同的消費者可能有完全不同的感知結果，消費者個體只能針對其主觀感知到的風險加以反映和處理。因此，如何引導消費者對食品安全風險保持正確、客觀的感知就成為政府的重要職責和亟待研究的重大課題。本研究將食品安全風險感知劃分為三種狀態(tài)加以討論。

其一是風險感知過高狀態(tài)，即對于某些不存在安全問題的食品，可能由于謠言、誤傳等信息不對稱造成消費者風險感知并夸大其風險，影響該類食品業(yè)的發(fā)展。如由于不了解轉基因食品，受一些利益集團宣傳影響，消費者對轉基因食品抗拒、恐慌，影響了轉基因食品行業(yè)的成長，既不利于食品技術的創(chuàng)新與發(fā)展，也不利于消費者生活質量的提高，必須采取措施糾正其風險感知。

其二是風險感知過低狀態(tài)，即對于某些食品存在的不安全因素，特別是傳統(tǒng)食品，消費者目前還可能感知不到其風險或輕視其危害，但從長期來看會對消費者健康造成不利。如長期習慣食用的油炸食品、腌制食品等傳統(tǒng)食品，會給消費者帶來肥胖、糖尿病、中風及某些癌癥等病癥，但因其美味可口掩蓋了對人體的危害，使消費者漠視、低估其風險，因而仍然大量食用，需要采取相應的措施提高消費者對其風險的感知。

其三是風險感知調整狀態(tài)，即對已發(fā)生的食品安全危機事件，在一段時間內或很長時間內一直給消費者造成恐慌感，特別是一些屢禁不絕的食品安全事件，嚴重危害消費者健康，打擊消費者購買信心，影響行業(yè)和企業(yè)可持續(xù)發(fā)展，破壞社會和諧穩(wěn)定。如自2004 年的阜陽劣質奶粉事件后，“毒奶粉”事件不斷上演，最終2008年三鹿奶粉“三聚氰胺”事件引發(fā)中國奶制品行業(yè)的信任危機，但直至2010年仍查出一些涉嫌企業(yè)都使用了2008年未被銷毀的問題奶粉作為原料。此類事件屢禁不絕，社會影響極其惡劣，必須采取有效措施加以治理，重樹消費者購買信心，以恢復市場正常供需秩序。

二、模型設計與數(shù)據(jù)預處理

（一）模型設計

本研究運用問卷調查，分析不同類型的消費者對不同類型的食品的風險感知情況。參考已有研究[1-5]，設計調查問卷并通過網(wǎng)絡發(fā)放問卷400份，回收問卷400份。研究以食品價值和技術為標準選取三大類食品共10種，即一般的習慣性食用食品，如奶制品、糧油、禽蛋肉等；保健食品，如營養(yǎng)食品、功能食品；新資源食品，如轉基因食品。利用調查問卷收集數(shù)據(jù)，揭示并提煉不同種類食品消費者對其安全風險感知狀態(tài)的特點。這里涉及三個要素，即消費者、食品、風險感知情況。

要素一：消費者。每個消費者用一組屬性來描述，每個屬性反映消費者日常購物習慣和消費者本身的個性及背景信息。例如是否經常在超市購物，教育程度，是否是外向型性格等。

要素二：食品。一共有十類，如肉制品、奶制品、營養(yǎng)保健品等。

要素三：風險感知情況。主要分兩個方面，即有無風險（頻率）和風險的大?。ㄎ：π裕?/p>

針對以上三個要素建立一個模型，即對給定消費者，能夠預測其對各類食品的風險感知情況。即給定一個要素一的描述對所有（或某些指定的）要素二中的食品，預測其要素三可能的答案。有了這樣一個模型，就可以對消費者的食品安全風險感知進行預測、分析以及管理。

研究采用的是基于統(tǒng)計的方法，其過程分為兩個階段：第一階段通過分析大量的數(shù)據(jù)來建立模型（稱為“訓練”）；第二階段使用模型對未來的數(shù)據(jù)進行預測或直接分析擬合的模型得出結論（稱為“預測”）。

形式化地來講，每個消費者用一組屬性即一個向量來表示，記做X=（x1，x2，…，xm），每一個xi表示一個屬性。要預測的量對于每類食品有兩個，即有無風險和風險的大小。這里把不同類型的食品分別獨立地看待，有無風險和風險的大小也同樣獨立地來看。那么每一個要預測的量就是一個數(shù)，記做y。對于同一個x，對應的y有10×2=20個。

將每類食品的有無風險和風險大小合并起來考慮，那么對于每類食品來說，要預測出y=（y1，y2）這樣兩個數(shù)。那么，對于同一個x，對應的y就有10個。

（二）數(shù)據(jù)來源及預處理

本文研究所需數(shù)據(jù)的來源是調查問卷，問卷主要是選擇題。通過調查問卷可以提取消費者的一系列屬性，共計48個。這48個屬性包括最擔心的食品安全問題、是否經常購買某類食品、是否遇到過食品安全問題、遇到的最大食品安全問題是什么（如果遇到過）、購買食品的主要渠道以及年齡、性別等個人基本信息。這48個屬性構成了該調查人的x向量；同時每個被調查人也被要求給所有10類食品評估其風險感知情況，這構成了該調查人對所有食品種類的y結果。

首先對問卷的數(shù)據(jù)進行預處理。對于x的處理，每個二選一的選擇題都轉化為一個0/1值的屬性，而多選題（N選M）轉化為N個0/1值的屬性，選中的選項賦值為1，沒選中的為0。程度性的選擇題轉化為一個實數(shù)值，數(shù)值越大表示程度越高，數(shù)值越小表示程度越低。排序題的轉化方法和多選題類似，區(qū)別是排在前面的選項賦值更高，排在后面的賦值低，沒有選入排序的選項賦為0，例如第一位的權重為1，第二位為0.7，第三位為0.5。這樣就可以把每個被調查人的問卷信息轉化為向量x。這一步轉化的目的是：一是使得x中的每一個屬性能夠相對獨立地起作用，便于分析每個因素的重要性；二是所有屬性轉化為統(tǒng)一的形式，便于計算機處理（轉化前有不同類型的各種問題，轉化后只有一種數(shù)值類型的屬性）。

對于y的處理，類似于程度性選擇題。有無風險有三個檔次：經常、偶爾、沒有。風險大小也有三個檔次：高、中、低。使用兩個數(shù)值表示這兩個方面即可。對于風險有無，數(shù)值越大表示越經常會有風險，數(shù)值越小表示越沒有風險。對于風險大小，數(shù)值越大表示風險越高，數(shù)值越小表示風險越低。例如使用3，2，1對應經常、偶爾、以及沒有；用3，2，1對應高、中、低。使用其他合理數(shù)值亦可。由于問卷中沒有對三個檔次進行量化，也可以將其處理為三個獨立的選項，作為普通多選題進行轉化。這兩種數(shù)值化的方法都可以接受。

由于各個問題的選項數(shù)量不同，而數(shù)值化時采用自然數(shù)遞增編碼，因此為了消除由于輸入輸出數(shù)值的較大差別造成的較大的預測誤差，我們對數(shù)據(jù)進行統(tǒng)一的歸一化處理。將問卷數(shù)據(jù)歸一化以后，可以用得到的數(shù)據(jù)來建立擬合一些預測模型。作為訓練數(shù)據(jù)，利用所有被調查人的x以及對應的y，可以建立x→y的預測模型。得到此模型后，可以分析以下兩個問題：

其一，對于特定的人群（其x滿足某些條件），預測其y的值（即分析其風險感知情況）。

其二，x中哪些因素對y有重要影響，影響的大小如何，即分析得到的模型本身。

模型及擬合的方法即是針對從x向量預測單個y。這種方法可以推廣到更復雜的y的情況。這里y可以是實數(shù)值，例如預測0到2的程度值，這類問題稱為“回歸”（regression）。y也可以是離散的三個檔次（必須三選一），這類問題稱為“分類”（classification）。回歸和分類是機器學習和數(shù)據(jù)挖掘中的兩大類基本問題，二者也有相通的地方。對于回歸問題，通過設定閾值也可以進一步轉化為分類問題。

三、消費者食品安全風險感知狀態(tài)的分類

人工神經網(wǎng)絡（Artificial Neural Networks， ANNs），也簡稱神經網(wǎng)絡（NNs），是一種模仿動物神經系統(tǒng)行為特征，進行分布式并行信息處理的算法數(shù)學模型[6]。網(wǎng)絡拓撲結構包含輸入層、隱含層、輸出層，每層包含若干個節(jié)點，依靠系統(tǒng)的復雜程度，通過調整內部大量節(jié)點之間的相互連接關系，從而達到處理信息的目的。BP神經網(wǎng)絡是一種多層前饋神經網(wǎng)絡，該網(wǎng)絡的特點是信號前向傳遞，誤差反向傳播。在前向傳播中，輸入信號從輸入層經隱含層逐層處理，直至輸出層。每一層的神經元狀態(tài)只影響下一層神經元狀態(tài)。如果輸出層得不到期望的輸出，則轉入反向傳播，根據(jù)預測誤差調整網(wǎng)絡權值和閾值，從而使BP神經網(wǎng)絡預測輸出不斷逼近預測輸出。BP神經網(wǎng)絡的拓撲結構見圖1。

圖1中，X1，X2，…，Xn是BP神經網(wǎng)絡的輸入值，Y1，Y2，…，Ym是BP神經網(wǎng)絡的預測值，ωij和ωjk為BP神經網(wǎng)絡的權值。由圖1可知，BP神經網(wǎng)絡可以看成是一個非線性函數(shù)，網(wǎng)絡輸入值和預測值分別是該函數(shù)的自變量和因變量。當輸入節(jié)點數(shù)為n，輸出節(jié)點數(shù)為m時，BP神經網(wǎng)絡就表達了從n個自變量到m個因變量的函數(shù)映射關系。BP神經網(wǎng)絡分類首先要進行網(wǎng)絡訓練，通過訓練使網(wǎng)絡具有聯(lián)想記憶和分類能力。

（一）計算自變量特征影響度

在調查問卷中，考慮到可能會影響消費者對某類食品風險感知狀態(tài)的48個消費者的主觀因素，并經過預處理綜合為影響消費者食品風險感知狀態(tài)的42個主觀特征，并編號為X1，…，X42。根據(jù)調查結果按照相同規(guī)則對每個特征值進行編碼，這樣42個特征值就構成一個消費者的特征向量，42個特征向量見表1。

表1 消費者食品安全風險感知狀態(tài)的特征變量表

是否擔心以下食品問題

X1：奶制品；X2：病死、注水肉等牲畜肉類問題；X3：低端劣質作坊產品問題；X4：食品中違規(guī)使用添加劑；X5：蔬菜中農藥高殘留問題；X6：非食用油（如地溝油）流入餐桌；X7：水質污染后的水產品；X8：食品知識不夠、食物中毒問題

X9：是否經常購買這些食品

是否經常遇到以下食品安全問題

X10：食品過期問題；X11：以假充真、以次充好問題；X12：虛假或錯誤標簽標識；X13：虛假或夸大宣傳問題

是否經常在一下渠道購買食品

X14：大型超市；X15：連鎖便利店；X16：社區(qū)農貿市場；X17： 私人雜貨店；X18： 街頭流動商販；X19：網(wǎng)購

X20：選擇上述渠道購買食品是否因為相信該渠道提供的食品質量更有保障

X21：是否認為購買場所影響食品安全

X22：近年來是否有因為食品安全問題致病的經歷

X23：是否男性；X24：是否女性；X25：年齡；X26：職業(yè)；X27：教育程度；X28：月均經濟收入

是否屬于以下性格類型

X29：理智型；X302：情緒型；X31：意志型；X32：理智-意志型；X33：內向型；X34：外向型；X35：順從型；X36：獨立型；X37：經濟型；X38：理論型；X39：審美型；X40：宗教型；X41：權力型；X42：社會型

如果沒有清晰的理論依據(jù)，將可能存在把一些不重要的自變量引入BP神經網(wǎng)絡，降低模型的精度，尤其是在數(shù)據(jù)不足的情況下，自變量過多導致網(wǎng)絡過于復雜，使得網(wǎng)絡學習效果不佳。因此，選擇有意義的自變量特征或將自變量預處理之后作為網(wǎng)絡輸入數(shù)據(jù)往往是應用神經網(wǎng)絡分析預測問題中很關鍵的一步。Dombi等人提出用平均影響值（Mean Impact Value， MIV）來反映神經網(wǎng)絡中權重矩陣的變化情況，MIV被認為是在神經網(wǎng)絡中評價變量相關性的最好指標之一，因此本文采用MIV方法使用BP神經網(wǎng)絡來篩選變量。

MIV的具體計算過程如下：在網(wǎng)絡訓練終止后，將訓練樣本P中每一自變量特征在其基礎上分別加/減10%構成新的兩個訓練樣本P1和P2，將P1和P2分別作為仿真樣本利用已建成的網(wǎng)絡進行仿真，得到兩個仿真結果A1和A2，求出A1和A2的差值，即為變動該自變量后對輸出產生的影響變化值（Impact Value， IV），最后將IV按觀測例數(shù)平均得出該自變量對于因變量——網(wǎng)絡輸出的MIV。為了便于比較，本研究每個自變量對于20個因變量MIV絕對值的均值AMIV，根據(jù)AMIV排序，得到各自變量對網(wǎng)絡輸出影響相對重要性的位次表，從而判斷輸入特征對于網(wǎng)絡結果的影響程度。

由于BP神經網(wǎng)絡的構建受到初始權值的訓練集的影響，因此每次計算隨機選取260組數(shù)據(jù)作為訓練集，經過10次計算，得到42個自變量特征的平均AMIV值，見表2。

對AMIV值進行分析，結合問卷調查中的實際問題，我們發(fā)現(xiàn)從消費者自身來說，影響消費者食品安全風險感知狀態(tài)最重要的三個因素是：消費者的性格類型、消費者對購買場所安全性的認知以及消費者性別。

（二）BP神經網(wǎng)絡訓練與測試

基于BP神經網(wǎng)絡的消費者食品安全風險感知分類算法建模包括BP神經網(wǎng)絡構建、BP神經網(wǎng)絡訓練和BP神經網(wǎng)絡分類三步，算法流程圖見圖2。

圖2 算法流程圖

BP神經網(wǎng)絡構建根據(jù)系統(tǒng)輸入輸出數(shù)據(jù)特點確定BP神經網(wǎng)絡的結構。本研究中消費者特征輸入信號有42維（未篩選前）；輸出信號的確定根據(jù)以下規(guī)則：

首先將食品分為10種，分別是：（1）牛奶、酸奶等鮮奶及乳制品；（2）豬肉、牛肉、羊肉、水產等生鮮食品；（3）原糧、成品糧等糧食及其制品，如面包、饅頭；（4）油鹽醬醋味精等調味品；（5）方便面、罐頭、餅干、果脯等快捷食品；（6）碳酸飲料、果汁、酒類等飲品；（7）水果、蔬菜等果蔬類；（8）腌肉、腌菜等咸醬菜；（9）蛋白質、維生素、魚油等保健食品；（10）轉基因等新資源食品，如轉基因大豆及其制品。

對于以上每種食品，有兩個輸出，一是是否感覺有風險；二是風險程度（如果感覺有風險）。即輸出信號共有20維，依次編號為Y1，…，Y20。由于最佳隱含層節(jié)點數(shù)不易獲得，參考公式l≈m+n+a，其中n、m分別為輸入層、輸出層節(jié)點數(shù)，a為介于0到10之間的常數(shù)。因此建立P神經網(wǎng)絡的結構為42—20—20，即輸入層42個節(jié)點，隱含層20個節(jié)點，輸出層20個節(jié)點。本研究預構建的分類消費者食品安全風險感知狀態(tài)的BP神經網(wǎng)絡結構圖見圖3。

由表3計算可得出，測試準確率的平均值為49.32%，說明網(wǎng)絡僅僅正確分類了一半的測試數(shù)據(jù)。分析其原因有二：一是訓練數(shù)據(jù)量不足，網(wǎng)絡沒有得到充分訓練；二是自變量特征的輸入方式影響了網(wǎng)絡的學習。

在獲得了42個自變量特征的平均AMIV值后，可以按照特征的AMIV值的大小順序對自變量進行網(wǎng)絡輸入，這在訓練數(shù)據(jù)不足的情況下會取得一定效果。另外，可以篩選若干個最重要的自變量特征進行輸入。使用不同數(shù)量的最重要的自變量特征作為網(wǎng)絡輸入，得到的測試準確率見表4。

通過表4可知，在按照自變量特征的AMIV值的大小順序對自變量進行網(wǎng)絡輸入時，測試準確率與輸入節(jié)點數(shù)量呈現(xiàn)正相關的趨勢，而在42個特征全部輸入時，測試準確率達到了99.70%。這也說明在訓練數(shù)據(jù)不足的情況下按照一定規(guī)律對自變量進行網(wǎng)絡輸入會提高訓練效果。

如上，一個基于食品類別的消費者食品風險感知BP神經網(wǎng)絡分類器就構建完成。該模型對于一個新的消費者，可以通過調查得到他的上述42個特征，輸入網(wǎng)絡進行分類，就可以得到該消費者對于某食品類別的風險感知狀態(tài)。BP神經網(wǎng)絡分類器工作示意圖見圖4。

從該輸出結果可知，對于全部10類食品，該消費者依次對其感覺有無風險的感知狀態(tài)為：偶爾、偶爾、偶爾、偶爾、偶爾、偶爾、偶爾、偶爾、偶爾、經常。該消費者依次對其感覺的風險程度感知狀態(tài)為：中、高、中、中、中、中、中、高、中、中?；诖?，政府或企業(yè)可以根據(jù)不同類食品消費者風險感知的嚴重程度，決定采取何種措施以及措施的急迫性等。因此，此方法研究得到的結果可以為政府或企業(yè)制定具體的食品安全管理政策提供參考依據(jù)。四、研究結論

由表4可知，針對本問題，改進的BP神經網(wǎng)絡取得了99.7%的測試集分類準確率，說明在本問題上，神經網(wǎng)絡在發(fā)現(xiàn)輸入輸出之間的隱含關系上有很好的表現(xiàn)。此外，本研究曾經選用支持向量機（SVM）分類方法進行研究。支持向量機的理論基礎是統(tǒng)計學習理論，更準確地說，支持向量機是結構風險最小化的近似實現(xiàn)。采用上述同樣的調查數(shù)據(jù)，對SVM分類器進行訓練，利用測試集數(shù)據(jù)測試分類器，其測試集準確率見表5。

由表6可以得到，利用GA優(yōu)化參數(shù)后的SVM分類器對于測試集的分類準確率在輸出Y的20個維度上分類準確率平均提升3.91%，達到61%，測試集準確率提升效果較為明顯。但是由于數(shù)據(jù)量不足以及分類模式的復雜，即使經過GA優(yōu)化，SVM分類器的分類效果也并不理想，遠不如神經網(wǎng)絡的99.7%的分類準確率。

因此，本研究構建了BP神經網(wǎng)絡分類器，完成了對基于食品類別的消費者食品安全風險感知狀態(tài)的分類問題。在以后的工作中，可以使用本研究構建的改進型BP神經網(wǎng)絡分類器對消費者食品安全風險感知狀態(tài)進行分類，以便根據(jù)不同類型的消費者風險感知狀態(tài)采取及時、有效的調節(jié)策略。

五、對策建議

根據(jù)消費者食品安全風險感知的不同狀態(tài)，政府和企業(yè)可以采取相應的措施進行改善，使其風險感知趨于客觀和理性，這也將有利于社會的和諧與穩(wěn)定。

（一）政府加強監(jiān)管作用

政府的主導體現(xiàn)在政府利用其職權加強對企業(yè)生產各個環(huán)節(jié)的監(jiān)管，設立明確的監(jiān)管標準。同時引導企業(yè)利用社會化媒體增加生產、制造、銷售等等相關環(huán)節(jié)的透明化。并鼓勵媒體和個人加入到監(jiān)管的隊伍之中。

由于食品安全問題是一個專業(yè)性極強的問題，為了從生產到銷售整個環(huán)節(jié)有關食品安全問題進行指導，必須建立科學的滿足客觀需要的監(jiān)管標準。如果安全標準建立得當，政府、企業(yè)、消費者三方就能快速判斷出食品存在的問題，確保整個食品行業(yè)正常發(fā)展。

除了完善的監(jiān)管制度，引導企業(yè)自身良好的運行，政府還不能忽視大眾及媒介的重要作用。隨著社會化媒體的產生，大眾及媒體手中的力量更為壯大，政府應該充分鼓勵這些力量發(fā)揮作用，形成政府-市場-大眾三元結構，三方相互扶持又相互制衡，更有利于整個市場的良性運行。

（二）企業(yè)勇于承擔社會責任

政府只能起到立法和監(jiān)督的作用，食品的生產還是得依靠企業(yè)自身。企業(yè)必須履行自己的社會責任，嚴格控制自己生產、銷售、儲存等環(huán)節(jié)。建立信息披露制度，利用社會化媒體平臺增強食品的透明度。企業(yè)在進行生產時既要符合政府要求，又要與消費者形成良好的關系，發(fā)揮其真正核心的作用。社會責任不僅是企業(yè)對社會的責任，更是對自己能長遠發(fā)展的責任。為實現(xiàn)企業(yè)社會責任中最基礎、與消費者切身利益相關的責任，企業(yè)應該加強對企業(yè)內部的管理，確保食品從原材料的獲取到最終銷售到顧客手中的整個過程，食品都符合國家質量監(jiān)督部門的要求。對于不符合要求的食品應堅決處理掉。

（三）充分利用社會化媒體手段

隨著互聯(lián)網(wǎng)技術及移動終端技術的迅猛發(fā)展及代際躍升，社會化媒體也得到了快速的發(fā)展。傳統(tǒng)的信息獲取渠道電視、報紙、收音機、雜志等已不再是信息獲取的主要渠道，取而代之的則是諸如各大門戶網(wǎng)站、微博、博客、微信等社會化媒體平臺。企業(yè)和政府應該把握好社會化媒體的核心功能好好加以利用。政府可以通過社會化媒體平臺加強對消費者日常食品安全問題的教育，當問題出現(xiàn)時也可通過社會化媒體將食品安全問題的信息及時發(fā)布出去。企業(yè)可以利用社會化媒體平臺加強對企業(yè)的宣傳，增加與消費者的溝通，加強對產品出廠后的監(jiān)管，通過社會化媒體建立企業(yè)的良好品牌。

[參考文獻]

[1]周應恒，馬仁磊，王二朋.消費者食品安全風險感知與恢復購買行為差異研究：以南京市乳制品消費為例[J].南京農業(yè)大學學報：社會科學版，2014.14（1）：111-117.

[2]徐玲玲，山麗杰，鐘穎琦，等.食品添加劑安全風險的公眾感知與影響因素研究：基于江蘇的實證調查[J].自然辯證法通訊，2013（4）：78-86.

[3]馬 穎，張園園，宋文廣. 食品行業(yè)突發(fā)事件風險感知的傳染病模型研究[J].科研管理，2013（9）：123-130.

[4]張 振，喬 娟，黃圣男. 基于異質性的消費者食品安全屬性偏好行為研究[J].農業(yè)技術經濟，2013 （5）：95-104 .

[5]馬 穎，張園園.食品安全事件網(wǎng)絡輿情的作用機理：以雙匯“瘦肉精”事件為例[J].生產力研究，2013（8）：86-88.

（責任編輯 王婷婷）