药物推荐方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种药物推荐方法、装置、设备及介质，方法包括：通过获取用户综合信息，通过文本识别模型识别出用户综合信息中包含的肯定表征词和否定表征词，通过药物推荐模型对所有肯定表征词进行药物类型识别，得到第一推荐结果，同时将否定表征词进行词意转换得到转换词，并将各转换词与所有肯定表征词组合得到组合集，通过药物推荐模型进行药物类型识别，得到第二推荐结果，去重得到第三推荐结果，第一推荐结果中去除第三推荐结果中包含的药物类型，得到最终推荐结果并推荐给用户。本发明专利技术实现准确地推荐药物数据给用户，提高了药物推荐的准确率。本发明专利技术适用于智慧医疗等领域，可进一步推动智慧城市的建设。

【技术实现步骤摘要】
药物推荐方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种药物推荐方法、药物推荐方法、装置、设备及介质。
技术介绍
互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但是随着互联网的迅速发展，信息量也在大幅增长，这会导致用户在面对大量信息时无法从中获得自己真正需要的信息，从而降低了对信息的使用效率。解决这一问题较好的办法就是推荐系统，它可以在大量的信息中为用户推荐合适的内容，以便用户从推荐的内容中获取自己喜好的信息。在实际的大多数应用场景中，用户都希望通过应用程序的相关推荐系统获取自己喜好的信息，比如，如果用户想获取当天自己喜好的最新新闻，就通过应用程序产品的新闻推荐系统推荐相关新闻，如果用户想获取针对症状的喜好的药物，就通过应用程序产品的药物推荐系统推荐药物清单，如果用户想获取最近自己喜欢的发布歌曲，就通过应用程序产品的音乐推荐系统推荐歌曲清单，但是，在现有的技术方案中大部分都是针对肯定喜好词进行推荐，导致推荐结果会存在用户不喜好的信息，特别是在肯定喜好词与否定喜好词模棱两可的情况下，就会造成用户查看到不喜好的信息，推荐准确度不高，影响用户的使用体验，还会存在流失用户的风险。
技术实现思路
本专利技术提供一种药物推荐、药物推荐方法、装置、计算机设备及存储介质，实现了准确地推荐药物数据给用户，提高了药物推荐的准确率，避免了不喜好的药物数据推荐给用户，提升了用户的体验满意度，并提升了主题推荐的有效性，本专利技术适用于智慧医疗等领域，可进一步推动智慧城市的建设。一种药物推荐方法，包括：接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；所述识别结果包括肯定结果和否定结果；所述肯定结果包括至少一个肯定表征词，所述否定结果包括至少一个否定表征词；将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户。一种药物推荐装置，包括：获取模块，用于接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；识别模块，用于通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；所述识别结果包括肯定结果和否定结果；所述肯定结果包括至少一个肯定表征词，所述否定结果包括至少一个否定表征词；第一推荐模块，用于将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；组合模块，用于将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；第二推荐模块，用于将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；第三推荐模块，用于将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；第一输出模块，用于从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述药物推荐方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述药物推荐方法的步骤。本专利技术提供的药物推荐方法、装置、计算机设备及存储介质，通过接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户，因此，本专利技术提供了药物推荐方法，通过获取用户综合信息，通过文本识别模型识别出用户综合信息中包含的肯定表征词和否定表征词，将所有肯定表征词输入药物推荐模型中，并进行药物类型识别，得到第一推荐结果，同时将否定表征词进行词意转换得到转换词，并将各转换词与所有肯定表征词组合得到组合集，通过药物推荐模型对各组合集进行药物类型识别，得到第二推荐结果，对所有第二推荐结果去重，得到第三推荐结果，第一推荐结果中去除第三推荐结果中包含的药物类型，得到最终推荐结果并推荐给用户，实现了准确地推荐药物数据给用户，能够提供给用户喜好的药物清单，提高了药物推荐的准确率，避免了不喜好的药物数据展示给用户，特别是过敏的药物数据，提升了用户的体验满意度，并提升了药物推荐的有效性。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中药物推荐方法的应用环境示意图；图2是本专利技术一实施例中药物推荐方法的流程图；图3是本专利技术一实施例中药物推荐方法的步骤S10的流程图；图4是本专利技术一实施例中药物推荐方法的步骤S20的流程图；图5是本专利技术另一实施例中药物推荐方法的步骤S20的流程图；图6是本专利技术一实施例中药物推荐方法的步骤S70的流程图；图7是本专利技术一实施例中药物推荐装置的原理框图；图8是本专利技术一实施例中药物推荐装置的获取模块的原理框图；图9是本专利技术一实施例本文档来自技高网...

【技术保护点】
1.一种药物推荐方法，其特征在于，包括：/n接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；/n通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；所述识别结果包括肯定结果和否定结果；所述肯定结果包括至少一个肯定表征词，所述否定结果包括至少一个否定表征词；/n将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；/n将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；/n将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；/n将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；/n从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户。/n

【技术特征摘要】
1.一种药物推荐方法，其特征在于，包括：
接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；
通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；所述识别结果包括肯定结果和否定结果；所述肯定结果包括至少一个肯定表征词，所述否定结果包括至少一个否定表征词；
将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；
将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；
将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；
将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；
从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户。


2.如权利要求1所述的药物推荐方法，其特征在于，所述接收到用户的药物推荐请求，包括：
获取所述药物推荐请求中的待推荐信息；
通过信息识别模型识别出所述待推荐信息的文件类型，得到类型结果；
获取与所述类型结果匹配的转换模型，通过所述转换模型对所述待推荐信息进行文本转换，得到所述用户综合信息。


3.如权利要求1所述的药物推荐方法，其特征在于，所述通过文本识别模型，对所述用户综合信息进行词义识别，包括：
通过所述文本识别模型对所述用户综合信息进行语句拆分，得到各单元句；
通过所述文本识别模型对所述单元句拆分词语，得到与所述单元句对应的单元词；
通过所述文本识别模型对所有与所述单元句对应的所述单元词进行肯定词义识别，得到至少一个待处理语句，否定字识别并对所有与所述待处理语句对应的所述单元句进行否定字识别，检测所述单元句中是否包含有否定字；
若检测到与所述待处理语句对应的所述单元句中包含有所述否定字，将所述待处理语句和与所述待处理语句对应的所述单元句中的所述否定字进行组合，得到所述否定表征词；
将所有所述否定表征词确定为所述否定结果。


4.如权利要求3所述的药物推荐方法，其特征在于，所述检测所述单元句中是否包含有否定字之后，还包括：
若检测到与所述待处理语句对应的所述单元句中不存在所述否定字，将所述待处理语句确定为所述肯定表征词；
将所有所述肯定表征词确定为所述肯定结果。


5.如权利要求1所述的药物推荐方法，其特征在于，所述将所有所述肯定表征词输入药物推荐模型中之前，包括：
获取包含多个喜好样本的喜好样本集；一个所述喜好样本与一个药物类型标签数组关联；一个所述喜好样本包括至少一个肯定表征词；
将所述喜好样本输入含有初始参数的多分类神经网络模型；
通过所述多分类神经网络模型对所述喜好样本进行药物类型识别，得到样本推荐结果；<...

【专利技术属性】
技术研发人员：刘卓，朱昭苇，孙行智，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44