[发明专利]药物推荐方法、装置、电子设备及存储介质

说明书

本发明提供一种药物推荐方法、装置、电子设备及存储介质。该方法包括：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。本发明的药物推荐方法在准确、可靠的给患者推荐药物的同时，能够有效地保护患者的隐私；能够对不同类型的数据进行合适的隐私保护处理；推荐算法的鲁棒性较强；在不损失太多精度的情况下，更有效地保护患者的隐私。

技术领域

本发明涉及医疗服务推荐领域，尤其涉及一种药物推荐方法、装置、电子设备及存储介质。

背景技术

为了针对患者的病情给患者提供准确的药物推荐，医疗推荐系统都需要搜集患者的医疗数据，而且往往越详细的信息越能提供更精确地推荐效果，在系统收集和处理患者数据时的产生隐私风险往往被低估或忽视，导致患者的隐私泄露问题也是很严重，因此采取有效的方法保护药物推荐中用户的隐私很重要。

为了保护隐私问题，隐私保护算法越来越被更多人关注，如数据匿名技术(又称去识别)，数据扰乱，数据加密和访问控制等技术。随着大数据的增多，差分隐私已经引起了学者们的广泛关注，并应用到医疗推荐领域中。

目前很多对隐私推荐算法的研究中使用用户的评分矩阵进行推荐，在推荐前对数据进行隐私处理时，只针对单一数据类型进行处理，例如使用随机扰动技术对数值型用户数据做处理，然后创建用户评分矩阵，对于药物推荐来说，既包含分类型又包含数值型的数据，需要分类处理，而且分类型数据不能生成用户评分矩阵。

鉴于此，选择不同的隐私保护技术分开处理数据，并选择鲁棒性较强的推荐算法，同时考虑推荐系统的推理攻击，在不损失太多精度的情况下，更有效地保护患者的隐私是非常必要的。

发明内容

针对现有技术中的问题，本发明实施例提供一种药物推荐方法、装置、电子设备及存储介质，用以解决现有技术中的无法对不同类型的数据进行合适的隐私保护处理、推荐算法的鲁棒性较低、精度差、不能有效保护患者的隐私的缺陷，实现在准确、可靠的给患者推荐药物的同时能够有效地保护患者的隐私的效果。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种药物推荐方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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]；