[发明专利]药物推荐方法、装置、电子设备及存储介质

权利要求书

1.一种药物推荐方法，其特征在于，包括：

获取目标对象的相关信息；

对所述相关信息进行隐私保护预处理；

基于已进行隐私保护预处理的所述相关信息以及基于梯度提升决策树算法的模型来生成针对所述目标对象的药物推荐信息。

2.根据权利要求1所述的药物推荐方法，其特征在于，所述对所述相关信息进行隐私保护预处理包括：

确定所述相关信息中的准标识符属性；

对所述相关信息中的数值型准标识符属性添加随机扰动；

对所述相关信息中的分类型准标识符属性进行K-匿名处理。

3.根据权利要求1所述的药物推荐方法，其特征在于，所述基于梯度提升决策树算法的模型包括具有差分隐私保护功能的基于梯度提升决策树算法的模型。

4.根据权利要求2所述的药物推荐方法，其特征在于，在对所述相关信息中的数值型准标识符属性添加随机扰动以及对所述相关信息中的分类型准标识符属性进行K-匿名处理之前，所述对所述相关信息进行隐私保护预处理还包括：

基于患者的人口统计信息、患者的病症属性以及所用药物属性，生成患者-药物矩阵C，

其中，n表示患者的属性数量，m表示患者数量。

5.根据权利要求4所述的药物推荐方法，其特征在于，所述对所述相关信息中的数值型准标识符属性添加随机扰动包括：

确定扰动范围[-γ,γ]；

对所述矩阵C中的数值型准标识符属性添加均匀分布在[-γ,γ]中的随机数。

6.根据权利要求4所述的药物推荐方法，其特征在于，所述对所述相关信息中的分类型准标识符属性进行K-匿名处理包括：

步骤1)，利用KACA算法对所述相关信息中的分类型准标识符属性做匿名化处理，基于矩阵C生成初始等价类X＝{x₁，x₂，x₃，…，x_n}，其中，X为等价类集合，x₁，x₂，x₃，…，x_n为等价类，每个等价类中的各个元组的准标识符的值相等；

步骤2)，选取元组个数小于K的等价类x_i，计算等价类x_i和等价类集合X中除等价类x_i以外的等价类的距离，找到距离x_i最近的等价类x_j；

如果等价类x_i和x_j的共同元组的个数小于K，将等价类x_i和x_j合并为一类，并在等价类集合X中删除等价类x_j，

如果等价类x_i和x_j的共同元组的个数大于或等于K，在x_j中选取距离x_i最近的K-|x_i|个元组构成等价类x_j1，将等价类x_i和x_j1合并为一类，并在等价类集合X中删除等价类x_j1；

步骤3)，循环执行上述的步骤2)若干次，直到等价类集合X中不存在元组个数小于K的等价类，使每个元组都至少和等价类中的K-1条记录的准标识符一致；

步骤4)，对等价类集合X中的每个等价类进行泛化处理。

7.根据权利要求6所述的药物推荐方法，其特征在于，所述方法还包括：

在对所述矩阵C中的分类型准标识符属性做匿名化处理之后，对满足k匿名的矩阵C的中的分类型准标识符属性进行One-hot编码，形成特征矩阵E。