药品推荐方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种药品推荐的方法，包括：获取隐式特征信息和用户对药品的操作行为信息，隐式特征信息包括用户隐式特征和药品隐式特征；根据隐式特征信息和操作行为信息获取目标函数，并利用目标函数处理隐式特征信息；根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品；输出待推荐药品的推荐信息。本发明专利技术还公开了一种药品推荐的装置和计算机可读存储介质。本发明专利技术通过根据隐式特征信息和操作行为信息获取目标函数，并利用目标函数处理隐式特征信息,根据处理后的隐式特征信息和预设的神经网络得到待推荐药品，由于利用目标函数获得的隐式特征信息更准确地反映了用户对药品的操作行为特征，得到的对应的待推荐药品的结果准确性更高。

Drug recommendation methods, devices and computer readable storage media

【技术实现步骤摘要】
药品推荐方法、装置及计算机可读存储介质
本专利技术涉及计算机
，尤其涉及一种药品推荐方法、药品推荐装置及计算机可读存储介质。
技术介绍
随着物联网、大数据、云计算等技术快速发展，在线信息成爆炸式地增长。用户在面对海量信息时，如何快速有效寻找感兴趣信息，这个问题使用户感到困扰。推荐系统是一种有效缓解信息过载的工具，它能够进行信息过滤，用个性化的方式引导用户从大量可能的选项中发现他们可能感兴趣的产品或者服务，例如，在Netflix上观看的电影中有80％来自推荐，60％的视频点击来自YouTube的主页推荐。在推荐系统的技术发展中，基于内容、协同过滤推荐和混合推荐等算法应用在推荐系统都比较成熟，但是稀疏性跟冷启动问题限制了这些算法的表现，很难再进一步提高推荐结果的质量。随着深度学习在图像分析、语音处理跟自然语言处理方面都有了巨大的成功，深度学习被应用于推荐系统。基于深度学习的推荐系统通过改变传统推荐模型架构获得了关注，但一般的特征提取方法无法获得准确的特征，从而影响推荐系统结果的准确性。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种药品推荐的方法、药品推荐的装置和计算机可读存储介质，旨在解决现有技术中一般的特征提取方法无法获得准确的特征，从而影响推荐系统结果的准确性的技术问题。为实现上述目的，本专利技术提供一种药品推荐的方法，所述药品推荐的方法包括如下步骤：获取隐式特征信息和用户对药品的操作行为信息，所述隐式特征信息包括用户隐式特征和药品隐式特征；根据所述隐式特征信息和所述操作行为信息获取目标函数，并利用所述目标函数处理所述隐式特征信息；根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品；输出所述待推荐药品的推荐信息。可选地，所述隐式特征信息和所述操作行为信息获取目标函数的步骤包括：根据所述隐式特征信息和所述操作行为信息得到概率函数，其中，所述概率函数表征用户对药品的操作行为发生的概率；根据所述概率函数获得目标函数。可选地，所述根据所述隐式特征信息和所述操作行为信息得到概率函数的步骤包括：根据所述隐式特征信息和所述操作行为信息以及预设的激活函数，得到所述用户对所述药品的操作行为发生的概率；根据多个所述用户对所述药品的操作行为发生的概率得到概率函数。可选地，所述根据所述概率函数获得目标函数的步骤包括：获取所述概率函数的对数似然函数，将所述对数似然函数作为目标函数。可选地，所述利用所述目标函数处理所述隐式特征信息的步骤包括：对所述目标函数进行迭代处理，其中，在每次迭代处理中对所述目标函数进行求导以得到求导值，利用所述求导值对所述隐式特征信息进行处理。可选地，所述操作行为信息包括浏览行为信息、收藏行为信息和购买行为信息，根据所述隐式特征信息和所述操作行为信息获取目标函数，并利用所述目标函数处理所述隐式特征信息的步骤包括：根据所述浏览行为信息获取第一隐式特征信息，并根据所述第一隐式特征信息和所述浏览行为信息获取第一目标函数，以及利用所述第一目标函数处理所述第一隐式特征信息；根据所述收藏行为信息获取第二隐式特征信息，并根据所述第二隐式特征信息和所述浏览行为信息获取第二目标函数，以及利用所述第二目标函数处理所述第二隐式特征信息；根据所述购买行为信息获取第三隐式特征信息，并根据所述第三隐式特征信息和所述浏览行为信息获取第三目标函数，以及利用所述第三目标函数处理所述第三隐式特征信息。可选地，所述根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品的步骤包括：获取属性特征信息，所述属性特征信息包括所述用户的属性特征和所述药品的属性特征；根据所述属性特征信息和所述处理后的隐式特征信息以及所述预设的神经网络，得到待推荐药品。可选地，所述根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品的步骤包括：根据所述处理后的隐式特征信息和预设的神经网络，得到所述药品的评分；获取评分超过预设阈值的药品，将所述评分超过预设阈值的药品作为所述待推荐药品。此外，为实现上述目的，本专利技术还提供一种药品推荐的装置，该装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的药品推荐处理程序，所述药品推荐处理程序被所述处理器执行时实现如上所述的药品推荐的方法的步骤。此外，为实现上述目的，本专利技术还提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有药品推荐处理程序，所述药品推荐处理程序被处理器执行时实现如上所述的药品推荐的方法的步骤。本专利技术实施例提出的一种药品推荐的方法、装置和可读计算机存储介质，获取隐式特征信息和用户对药品的操作行为信息，隐式特征信息包括用户隐式特征和药品隐式特征；根据隐式特征信息和操作行为信息获取目标函数，并利用目标函数处理隐式特征信息；根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品；输出待推荐药品的推荐信息。本专利技术通过根据隐式特征信息和操作行为信息获取目标函数，并利用目标函数处理隐式特征信息,根据处理后的隐式特征信息和预设的神经网络得到待推荐药品，由于利用目标函数获得的隐式特征信息更准确地反映了用户对药品的操作行为特征，得到的对应的待推荐药品的结果准确性更高。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图；图2为本专利技术药品推荐的方法第一实施例的流程示意图；图3为本专利技术药品推荐的方法第二实施例的流程示意图；图4为本专利技术药品推荐的方法第三实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例的主要解决方案是：获取隐式特征信息和用户对药品的操作行为信息，隐式特征信息包括用户隐式特征和药品隐式特征；根据隐式特征信息和操作行为信息获取目标函数，并利用目标函数处理隐式特征信息；根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品；输出待推荐药品的推荐信息。本专利技术通过根据隐式特征信息和操作行为信息获取目标函数，并利用目标函数处理隐式特征信息,根据处理后的隐式特征信息和预设的神经网络得到待推荐药品，由于利用目标函数获得的隐式特征信息更准确地反映了用户对药品的操作行为特征，得到的对应的待推荐药品的结果准确性更高。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端为药品推荐装置。如图1所示，该药品推荐装置可以包括：处理器1001，例如CPU，通信总线1002，存储器1003。其中，通信总线1002用于实现这些组件之间的连接通信。存储器1003可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1003可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机存储介质的存储器1003中可以包括操作系统和药品推荐的处理程序。在图1所示的装置中，处理器1001可以用于调用存储器1003中存储的药品推荐的处理程序，并执行以下操作：获取隐式特征信本文档来自技高网...

【技术保护点】
1.一种药品推荐的方法，其特征在于，所述药品推荐的方法包括以下步骤：获取隐式特征信息和用户对药品的操作行为信息，所述隐式特征信息包括用户隐式特征和药品隐式特征；根据所述隐式特征信息和所述操作行为信息获取目标函数，并利用所述目标函数处理所述隐式特征信息；根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品；输出所述待推荐药品的推荐信息。

【技术特征摘要】
1.一种药品推荐的方法，其特征在于，所述药品推荐的方法包括以下步骤：获取隐式特征信息和用户对药品的操作行为信息，所述隐式特征信息包括用户隐式特征和药品隐式特征；根据所述隐式特征信息和所述操作行为信息获取目标函数，并利用所述目标函数处理所述隐式特征信息；根据处理后的隐式特征信息和预设的神经网络，得到待推荐药品；输出所述待推荐药品的推荐信息。2.如权利要求1所述的药品推荐的方法，其特征在于，所述根据所述隐式特征信息和所述操作行为信息获取目标函数的步骤包括：根据所述隐式特征信息和所述操作行为信息得到概率函数，其中，所述概率函数表征用户对药品的操作行为发生的概率；根据所述概率函数获得目标函数。3.如权利要求2所述的药品推荐的方法，其特征在于，所述根据所述隐式特征信息和所述操作行为信息得到概率函数的步骤包括：根据所述隐式特征信息和所述操作行为信息以及预设的激活函数，得到所述用户对所述药品的操作行为发生的概率；根据多个所述用户对所述药品的操作行为发生的概率得到概率函数。4.如权利要求2所述的药品推荐的方法，其特征在于，所述根据所述概率函数获得目标函数的步骤包括：获取所述概率函数的对数似然函数，将所述对数似然函数作为目标函数。5.如权利要求1所述的药品推荐的方法，其特征在于，所述利用所述目标函数处理所述隐式特征信息的步骤包括：对所述目标函数进行迭代处理，其中，在每次迭代处理中对所述目标函数进行求导以得到求导值，利用所述求导值对所述隐式特征信息进行处理。6.如权利要求1所述的药品推荐的方法，其特征在于，所述操作行为信息包括浏览行为信息、收藏行为信息和购买行为信息，根据所述隐式特征信息和所述操作行为信息获取目标函数，并利用所述目标函数处理所述隐式特征...

【专利技术属性】
技术研发人员：蔡君，戴青云，洪学彬，刘燕，罗建桢，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东,44