胡康，何思宇，左敏，葛伟

（1.中国食品药品检定研究院 信息中心,北京 102629;2.北京工商大学 农产品质量安全追溯技术及应用国家工程实验室,北京 100048）

为了规范化妆品生产经营活动，加强对化妆品市场的监督管理工作，使得化妆品质量和消费者健康都能得到有效保障，促进化妆品产业的健康蓬勃发展，化妆品安全监管部门在日常工作中会采取预防、保护、监管等一系列保障措施，防止化妆品相关安全事故发生，保障人民群众的安全与权益。根据近几年国家化妆品监督抽检结果发现，染发类化妆品不合格率偏高，这为化妆品安全监管带来了新的难题和挑战。为进一步保障公众用妆安全，加强化妆品安全风险评估，化妆品安全监管亟需对违法违规行为进行自动识别及分类。因此，研究利用智能化手段辅助相关监管部门监督管理化妆品市场，以确保化妆品安全得到有效监管具有重大意义。本研究建立了针对化妆品安全领域的文本语义分类模型，能够有效提高监管部门监管效率及质量。

文本分类是自然语言处理（natural language processing,NLP）的一个重要且实用的研究方向。在深度学习兴起之前，传统机器学习方法被应用在文本分类领域，如朴素贝叶斯模型[1]与SVM(support vector machines) 模型[2]。然而传统机器学习模型依赖人工语料标注，不仅耗费大量人力物力，而且文本特征提取结果也不尽如人意。

近年来随着深度学习、云计算、人工智能等技术的发展，深度神经网络在各个领域实现应用并取得了较好的成果[3-5]。……