[发明专利]实现药品推荐的模型训练装置及计算机设备

说明书

本发明公开了一种实现药品推荐的模型训练装置及计算机设备，所述实现药品推荐的模型训练装置包括：特征获取模块，用于获取病患的病患数据和用药数据，通过词嵌入转化处理，由所述病患数据和所述用药数据分别得到病患特征和药品特征；图构建模块，用于基于病患与药品的使用关系，以病患特征作为病患节点，以药品特征作为药品节点，进行病患与药品之间的关系图构建；图特征获取模块，用于根据所述关系图的邻接结构，将所述关系图中节点表示的特征转化为图信息特征；损失值计算模块，用于将所述图信息特征输入模型的编解码网络进行损失值计算，当计算到的损失值最小化，所述模型收敛。采用本发明提供的实现药品推荐的模型训练装置及计算机设备解决了现有技术中药品推荐的准确率不高的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种实现药品推荐的模型训练装置及计算机设备。

背景技术

随着人工智能的发展，基于神经网络的药品推荐越来越受到广大研究学者的重视。

然而，目前的药品推荐主要依赖于个体病患的病情，不仅未能够考虑不同病患之间的相似性，也未能够考虑不同病患在同一种病情中可能存在的药品排斥性，进而导致药品推荐的准确率不高。

因此，如何提高药品推荐的准确率仍亟待解决。

发明内容

本发明各实施例提供一种实现药品推荐的模型训练方法、装置、计算机设备及存储介质，以解决相关技术中存在的药品推荐的准确率不高的问题。

其中，本发明所采用的技术方案为：

根据本发明的一个方面，一种实现药品推荐的模型训练方法，包括：获取病患的病患数据和用药数据，通过词嵌入转化处理，由所述病患数据和所述用药数据分别得到病患特征和药品特征；基于病患与药品的使用关系，以病患特征作为病患节点，以药品特征作为药品节点，进行病患与药品之间的关系图构建；根据所述关系图的邻接结构，将所述关系图中节点表示的特征转化为图信息特征；将所述图信息特征输入模型的编解码网络进行损失值计算，当计算到的损失值最小化，所述模型收敛。

根据本发明的一个方面，一种实现药品推荐的模型训练装置，包括：特征获取模块，用于获取病患的病患数据和用药数据，通过词嵌入转化处理，由所述病患数据和所述用药数据分别得到病患特征和药品特征；图构建模块，用于基于病患与药品的使用关系，以病患特征作为病患节点，以药品特征作为药品节点，进行病患与药品之间的关系图构建；图特征获取模块，用于根据所述关系图的邻接结构，将所述关系图中节点所表示的特征转化为图信息特征；损失值计算模块，用于将所述图信息特征输入模型的编解码网络进行损失值计算，当计算到的损失值最小化，所述模型收敛。

根据本发明的一个方面，一种计算机设备，包括处理器及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上所述的实现药品推荐的模型训练方法。

根据本发明的一个方面，一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的实现药品推荐的模型训练方法。

在上述技术方案中，获取病患的病患数据和用药数据，以通过词嵌入转化处理得到对应的病患特征和药品特征，进而基于病患与药品的使用关系，以病患特征作为病患节点，以药品特征作为药品节点，进行病患与药品之间的关系图构建，由此将关系图中节点表示的特征转化为图信息特征，最终根据该图信息特征输入模型的编解码网络计算得到的损失值，来判断模型是否完成训练，即收敛。

也就是说，基于构建的病患与药品之间的关系图，药品推荐不单单依赖于个体病患的病情，还依赖于融合了病患与药品使用关系的图信息特征，使得药品推荐不仅考虑到不同病患之间的相似性，而且考虑到药品在同一种病情中的排斥性，从而有效地解决了现有技术中药品推荐的准确率不高的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明