[发明专利]药品推荐方法及系统

权利要求书

1.一种药品推荐方法，其特征在于，所述药品推荐方法包括以下步骤：

S₁、获取药品销售列表，所述药品销售列表包括多个药品的药品信息；为每个药品设置对应的药品标签画像；所述药品标签画像包括至少一药品标签；所述药品标签根据所述药品信息设置；

S₂、为每个用户设置用户标签画像；所述用户标签画像包括至少一用户标签，所述用户标签根据用户信息设置；

S₃、根据所述用户标签画像和所述药品标签画像从所述药品销售列表中选择待推荐药品。

2.如权利要求1所述的药品推荐方法，其特征在于，步骤S₃，具体包括：

S₃₁、计算所述用户标签画像与每个药品的药品标签画像的第一相关偏好值；

S₃₂、将所述第一相关偏好值大于第一阈值的药品选择为待推荐药品。

3.如权利要求2所述的药品推荐方法，其特征在于，所述用户标签包括用户历史操作信息标签和用户个人信息标签；所述用户历史操作信息标签根据用户历史操作信息设置，所述用户个人信息标签根据用户个人信息设置；

步骤S₃₁，具体包括：

对不同的用户历史操作信息，进行权重加和，得到用户对每个药品的相关度；

根据用户个人信息以及所述药品信息，得到用户对药品的偏好度；

根据所述相关度和所述偏好度，计算用户对每个药品的相关偏好值。

4.如权利要求3所述的药品推荐方法，其特征在于，计算所述用户标签画像与每个药品的药品标签画像的第一相关偏好值的计算公式如下：

f_k(correlation_i,j,preference_i,j)>a；

correlation_i,j＝W₁·Action_i,j；

preference_i,j＝g_k(personas_i,drug_j)；

其中，f_k为计算用户i对药品商品j的相关偏好值的函数；correlation_i,j为用户i对药品j的相关度；W₁为用户对用户历史操作信息的权重；Action_i,j为用户i对药品j的每种用户历史操作信息的得分矩阵；preference_i,j为用户i对药品j的偏好度；g_k为通过用户个人信息personas_i以及药品信息drug_j计算偏好度的函数；a为阈值。

5.如权利要求2所述的药品推荐方法，其特征在于，所述药品推荐方法还包括：

获取用户的当前浏览信息；

步骤S₃₂之后，还包括：

S₃₃、根据所述当前浏览信息对所述待推荐药品进行筛选，得到最终的推荐药品。

6.如权利要求5所述的药品推荐方法，其特征在于，步骤S₃₃，具体包括：

根据所述当前浏览信息计算所述用户标签画像与每个待推荐药品的第二相关偏好值；

将所述第二相关偏好值大于第二阈值的药品确定为最终的推荐药品。