预制菜产业链结构文本训练数据

本数据集服务于预制菜产业链智能分类与产业图谱构建模型的训练与开发，通过关联企业文本与细分品类标签，为食品产业发展提供数据工具。其主要应用于：产业结构分析：辅助政府与产业研究机构，分析区域在蔬菜制品、豆制品、乳制品、罐头、糖果等细分品类的企业分布与产业集聚情况，为制定产业扶持政策提供依据。供应链与采购寻源：赋能食品流通企业、商超采购或餐饮连锁品牌，精准识别不同品类（如泡菜、豆制品、罐头）的优质生产厂家，优化供应商筛选效率。细分赛道市场研究：支持投资机构与行业分析师，洞察糖果、乳制品、蔬菜深加工等不同细分市场的竞争格局、企业规模分布与发展趋势。一、加工前数据说明
本数据集旨在构建用于预制菜产业链智能分析的人工智能模型训练语料。在加工前，数据已进行严格的匿名化与去标识化处理。原始企业名称被统一替换为不可逆的规范标识符，并彻底移除所有的个人及商业敏感信息，确保数据完全符合隐私保护与安全合规要求，为模型训练提供了洁净、可靠的输入基础。
二、数据处理规则
数据处理严格遵循 “体系先行、业务匹配、特征抽取” 的核心规则，形成了一套从分类框架构建到最终标签生成的完整流程：1.首先，依据国家食品生产许可分类目录及预制菜产业相关标准，预先定义了从“预制菜”（一级节点）到“预制菜生产”（二级节点），并进一步细分为“蔬菜水果类”、“其他类”等三级节点及“蔬菜制品”、“豆制品”、“乳制品”、“糖果制品”、“罐头”等具体品类（四级节点）的树状分类体系，为数据加工提供了清晰的产品分类框架。2.业务匹配：采用“自动化规则匹配与人工校验相结合”的策略。首先，依托Spark大数据处理框架，对海量企业简介文本进行分布式清洗、分词与关键词匹配，通过预构建的食品产业语义规则库自动计算并推荐初步分类节点。随后，由具备食品行业知识的标注专家进行审核与最终判定，确保企业被精准归入对应的细分品类节点。3.特征抽取：在完成业务匹配的同时，从同一段企业简介文本中，系统性地抽取代表其核心产品与技术的关键术语与名词性短语，经过去重与标准化格式化，组合成“正向词”特征串，作为对分类标签的语义补充。
三、加工后数据内容
加工后的数据集为一条条结构化的“文本-标签”数据。每条数据均包含经过脱敏处理的原始企业描述文本，以及与之对应、经人工校验的完整分类标签（一至四级节点）、高度细化的产品特征词（正向词）与产业标签。数据内容全面覆盖了预制菜生产领域的主要品类，包括蔬菜制品、豆制品、乳制品、糖果制品、罐头等，形成了一个分类体系专业、产品特征鲜明、可直接用于预制菜产业结构分析、细分品类企业识别、食品供应链寻源等模型训练与评估的高质量专用数据集。

搜集汇总

背景与挑战

背景概述

该数据集是一套结构化的‘文本-标签’训练数据，专为预制菜产业链的智能分类与产业图谱构建模型而设计。它基于国家食品生产许可分类标准，通过自动化规则匹配与人工校验相结合的方式，将脱敏后的企业简介文本精准归类到四级细分品类（如蔬菜制品、糖果制品等），并提取产品特征词，从而为产业结构分析、供应链寻源及细分赛道市场研究提供高质量的数据工具。