药品推荐模型应用方法及系统技术方案

本发明专利技术公开一种药品推荐模型应用方法及系统。该方法通过获取实时以及离线的用户的行为日志和用户的个人信息，所述用户的行为日志包括用户对药品的操作日志；通过预先构建的健康画像模型，分析处理用户的行为日志和用户的个人信息，计算出用户的健康画像；通过预先构建的药品画像模型，分析处理所述药品的药品数据，计算出所述药品的药品画像；通过预先构建的药品推荐模型，分析处理所述用户的健康画像、所述药品的药品画像，以及预先构建的药企合作数据模型所存储的药企合作数据，计算出实时以及离线的药品推荐结果，通过使用持续更新的画像数据，使得药品推荐结果更为准确，药品推荐结果的输出时效性也更高。

【技术实现步骤摘要】
药品推荐模型应用方法及系统
本专利技术涉及网络
，尤其涉及一种药品推荐模型应用方法及系统。
技术介绍
目前药品推荐方式还是区分线上和线下，线上或采用获取一定时间的药品销售记录，采用相似算法对药品进行相似度排名来匹配药品，得出药品推荐结果；或根据用户的病症和约束信息，推荐历史药品或对病症应用匹配的药品；或根据用户的病史在药品知识库中检索的方式来匹配药品等。这些推荐方式使用的数据比较单一，而且没有明确的实时画像来作为匹配标准，进而导致推荐方式的匹配结果，或会出现偶然性导致匹配不精准，或会随着时间周期变长发生匹配结果倾斜向某几种药品。而传统的线下连锁药店的推荐方式，是店员通过结合消费者的病症理解度、药品被购买力度或药企合作力度等进行推荐，这种推荐结果受人为影响因素较大，对消费者购买更适用的药品增加了很多不确定性，而且药企合作力度和药企广告投放不仅会影响消费者的判断，也会导致很多优质的药品使用率降低，当然也增加了药企的销售成本。因此，有必要提出一种药品推荐模型应用方法及系统，以解决上述问题。
技术实现思路
本专利技术提供一种药品推荐模型应用方法及系统，以解决现有药品推荐方式存在的药品推荐结果不准确、药品推荐结果的输出时效性低的问题。第一方面，本专利技术提供一种药品推荐模型应用方法，所述方法包括：获取实时以及离线的用户的行为日志和用户的个人信息，所述用户的行为日志包括用户对药品的操作日志；通过预先构建的健康画像模型，分析处理用户的行为日志和用户的个人信息，计算出用户的健康画像；通过预先构建的药品画像模型，分析处理所述药品的药品数据，计算出所述药品的药品画像；通过预先构建的药品推荐模型，分析处理所述用户的健康画像、所述药品的药品画像，以及预先构建的药企合作数据模型所存储的药企合作数据，计算出实时以及离线的药品推荐结果。进一步地，所述健康画像模型的构建方式如下：采集用户在药品平台的实时以及离线的行为日志和个人信息作为个人行为数据；对所述个人行为数据进行健康标签分类，并记录至个人健康标签中；按照所述个人健康标签对个人行为数据进行计算，得到实时以及离线的个人健康画像结果，所述计算包括：将预设时间段内的个人行为数据按照个人健康标签分类统计次数，根据次数进行排序，选择次数靠前的个人健康标签分类作为当前用户的个人健康画像；合并所述实时以及离线的个人健康画像结果。进一步地，所述用户的行为日志包括：用户的药品订单日志、用户的健康服务订单日志、用户在药品平台的药品搜索、浏览、点赞和评论操作日志、用户问药关键字以及用户触发平台用药或健康标签日志。进一步地，所述用户的个人信息包括：用户基础属性、用户消费属性以及用户健康属性；所述用户基础属性包括性别、年龄以及地区，所述用户消费属性包括购买药品和购买周期，所述用户健康属性包括病史和处方笺。进一步地，所述药品画像模型的构建方式如下：采集药品平台当前已上架药品的实时及离线的药品数据；对所述药品数据进行药品标签分类并分配权重分，进行加权计算后，将结果记录至药品画像中，得到实时及离线的药品画像结果；合并所述实时及离线的药品画像结果。进一步地，所述药品数据包括药理、成分以及批文号。进一步地，采集药品平台中实时及离线的药企合作数据，所述药企合作数据包括合作等级、药品数据以及热力度；根据所述药品数据进行药企对应药品的标签分类；按照药企对应药品的标签分类计算所述合作等级和热力度的权重分并记录，得到实时及离线的药企合作数据画像结果；合并所述实时及离线的药企合作数据画像结果。进一步地，所述药品推荐模型的构建方式如下：采集实时及离线的健康画像结果、药品画像结果以及药企合作数据；根据所述健康画像结果为个人分配推荐标签分类；按照分配的推荐标签分类计算匹配药品画像结果；将所述匹配药品画像结果针对所述药企合作数据进行加权计算，得出最终的实时及离线药品推荐结果；所述实时及离线药品推荐结果的计算步骤一致，仅时间窗口不同，实时药品推荐结果针对当日数据进行计算，离线药品推荐结果针对昨日至历史的数据进行计算。进一步地，所述方法还包括：通过嵌入的药品推荐评分反馈系统，搜集用户对药品推荐结果的评分和意见信息；通过分析所述评分和意见信息，对所述药品推荐结果进行优化，提高药品推荐准确度和推荐购药转化率。第二方面，本专利技术提供一种药品推荐模型应用系统，包括：药品平台、日志存储系统、健康画像模型、药品画像模型、药品推荐模型、药企合作数据模型以及药品推荐评分反馈系统；所述药品平台，用于获取实时以及离线的用户的行为日志和用户的个人信息，所述用户的行为日志包括用户对药品的操作日志；所述健康画像模型，用于分析处理用户的行为日志和用户的个人信息，计算出用户的健康画像；所述药品画像模型，用于分析处理所述药品的药品数据，计算出所述药品的药品画像；所述药品推荐模型，用于分析处理所述用户的健康画像、所述药品的药品画像，以及药企合作数据模型所存储的药企合作数据，计算出实时以及离线的药品推荐结果；所述药企合作数据模型，用于存储药企合作数据；所述日志存储系统，用于存储实时、离线的行为日志和用户的个人信息；所述药品推荐评分反馈系统，用于搜集用户对药品推荐结果的评分和意见信息，通过分析所述评分和意见信息，提高药品推荐准确度和推荐购药转化率。由以上技术方案可知，本专利技术的药品推荐模型应用方法及系统，通过获取实时以及离线的用户的行为日志和用户的个人信息，所述用户的行为日志包括用户对药品的操作日志；通过预先构建的健康画像模型，分析处理用户的行为日志和用户的个人信息，计算出用户的健康画像；通过预先构建的药品画像模型，分析处理所述药品的药品数据，计算出所述药品的药品画像；通过预先构建的药品推荐模型，分析处理所述用户的健康画像、所述药品的药品画像，以及预先构建的药企合作数据模型所存储的药企合作数据，计算出实时以及离线的药品推荐结果，使得药品推荐结果更为准确，药品推荐结果的输出时效性也较高。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本专利技术的药品推荐模型应用方法的流程图。图2为健康画像模型的构建方式流程图；图3为药品画像模型的构建方式流程图；图4为药企合作数据模型的构建方式流程图；图5为药品推荐模型的构建方式流程图；图6为药品推荐评分反馈系统工作流程图；图7为本专利技术的药品推荐模型应用系统示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，本文档来自技高网...

【技术保护点】
1.一种药品推荐模型应用方法，其特征在于，所述方法包括：/n获取实时以及离线的用户的行为日志和用户的个人信息，所述用户的行为日志包括用户对药品的操作日志；/n通过预先构建的健康画像模型，分析处理用户的行为日志和用户的个人信息，计算出用户的健康画像；/n通过预先构建的药品画像模型，分析处理所述药品的药品数据，计算出所述药品的药品画像；/n通过预先构建的药品推荐模型，分析处理所述用户的健康画像、所述药品的药品画像，以及预先构建的药企合作数据模型所存储的药企合作数据，计算出实时以及离线的药品推荐结果。/n

【技术特征摘要】
1.一种药品推荐模型应用方法，其特征在于，所述方法包括：
获取实时以及离线的用户的行为日志和用户的个人信息，所述用户的行为日志包括用户对药品的操作日志；
通过预先构建的健康画像模型，分析处理用户的行为日志和用户的个人信息，计算出用户的健康画像；
通过预先构建的药品画像模型，分析处理所述药品的药品数据，计算出所述药品的药品画像；
通过预先构建的药品推荐模型，分析处理所述用户的健康画像、所述药品的药品画像，以及预先构建的药企合作数据模型所存储的药企合作数据，计算出实时以及离线的药品推荐结果。


2.如权利要求1所述的方法，其特征在于，所述健康画像模型的构建方式如下：
采集用户在药品平台的实时以及离线的行为日志和个人信息作为个人行为数据；
对所述个人行为数据进行健康标签分类，并记录至个人健康标签中；
按照所述个人健康标签对个人行为数据进行计算，得到实时以及离线的个人健康画像结果，所述计算包括：将预设时间段内的个人行为数据按照个人健康标签分类统计次数，根据次数进行排序，选择次数靠前的个人健康标签分类作为当前用户的个人健康画像；
合并所述实时以及离线的个人健康画像结果。


3.如权利要求2所述的方法，其特征在于，所述用户的行为日志包括：用户的药品订单日志、用户的健康服务订单日志、用户在药品平台的药品搜索、浏览、点赞和评论操作日志、用户问药关键字以及用户触发平台用药或健康标签日志。


4.如权利要求2所述的方法，其特征在于，所述用户的个人信息包括：用户基础属性、用户消费属性以及用户健康属性；所述用户基础属性包括性别、年龄以及地区，所述用户消费属性包括购买药品和购买周期，所述用户健康属性包括病史和处方笺。


5.如权利要求1所述的方法，其特征在于，所述药品画像模型的构建方式如下：
采集药品平台当前已上架药品的实时及离线的药品数据；
对所述药品数据进行药品标签分类并分配权重分，进行加权计算后，将结果记录至药品画像中，得到实时及离线的药品画像结果；
合并所述实时及离线的药品画像结果。


6.如权利要求5所述的方法，其特征在于，所述药品数据包括药理、成分以及批文号。


7.如权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：周昊，倪述荣，郭爱群，
申请(专利权)人：南京云联数科科技有限公司，上海聚音信息科技有限公司，
类型：发明
国别省市：江苏;32