【技术实现步骤摘要】
一种基于决策树的药品推荐方法、装置、设备及存储介质
[0001]本申请涉及数字医疗领域，尤其涉及一种基于决策树的药品推荐方法、装置、设备及存储介质。
技术介绍
[0002]目标，用户购药渠道通常包括线下购买和线上购买。线下购买通常是用户描述相应的症状，药师根据症状描述来推荐药品，那么，不同经验的药师所推荐的药品也会有所不同。线上购买通常是根据症状和药品的适用性进行匹配以得到所要推荐的药品。上述购药模式较为单一，不能从多方面考虑来为用户推荐最为合适的药品。因此，如何提高药品推荐的准确性成为了购药系统中亟需解决的问题。
技术实现思路
[0003]本申请实施例提供了一种基于决策树的药品推荐方法、装置、设备及存储介质，可以通过引入用户的用户画像数据，为用户提供个性化的药品推荐，也可以提高药品推荐的准确性；还可以基于用户画像数据自动识别出所需要的药品类型，可以提高购药需求的准确匹配，也可以提高药品推荐的智能化水平。
[0004]第一方面，本申请实施例公开了一种基于决策树的药品推荐方法，所述方法包括：
[...
【技术保护点】
【技术特征摘要】
1.一种基于决策树的药品推荐方法，其特征在于，包括：获取一个或多个训练用户的训练画像数据，并为所述一个或多个训练用户的训练画像数据中的各个训练画像数据添加训练推荐类型标签，基于训练样本集构建决策树模型，所述训练样本集包括添加训练推荐类型标签的各个训练画像数据；获取目标用户的购药需求，基于所述购药需求确定所述目标用户的初始药品类型，并基于所述初始药品类型从预设的药品库中确定候选药品集合，所述候选药品集合包括多个候选药品；获取所述目标用户的用户画像数据，并调用所述决策树模型对所述用户画像数据进行决策处理，得到所述用户画像数据对应的药品推荐类型；根据所述药品推荐类型从所述候选药品集合中确定推荐药品，并将所述推荐药品推荐给所述目标用户。2.根据权利要求1所述的方法，其特征在于，所述为所述一个或多个训练用户的训练画像数据中的各个训练画像数据添加训练推荐类型标签，包括：基于所述预设的药品库中各个药品的药品属性确定所述各个训练画像数据所对应的药品的药品类型；根据所述各个训练画像数据对应的药品的药品类型，为所述各个训练画像数据添加对应的训练推荐类型标签。3.根据权利要求2所述的方法，其特征在于，所述基于训练样本集构建决策树模型，包括：从所述添加训练推荐类型标签的各个训练画像数据中提取第一画像特征集合，所述画像特征集合包括所述添加训练推荐标签的各个训练画像数据对应的画像特征；根据所述训练样本集计算所述第一画像特征集合中各个画像特征对应的第一信息增益，并基于所述各个画像特征对应的第一信息增益构建所述决策树模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述训练样本集计算所述第一画像特征集合中各个画像特征对应的第一信息增益，包括：针对所述第一画像特征集合中任一画像特征，基于所述训练样本集所包括的训练画像数据确定所述任一画像特征下所包括的一个或多个画像子特征；基于所述训练样本集确定所述一个或多个画像子特征中各个画像子特征分别对应的特征占比；根据所述各个画像子特征分别对应的特征占比，计算所述各个画像子特征分别对应的信息熵，并基于所述训练样本集计算所述训练样本集对应的信息熵；根据所述各个画像子特征分别对应的信息熵以及所述训练样本集对应的信息熵，计算所述任一画像特征的第一信息增益。5.根据权利要求4所述的方法，其特征在于，所述决策树模型包括多个树节点，所述树节点包括根节点、中间节点和叶子节点，所述根节点和所述中间节点均存在对应的节点特征，所述叶子节点用于指示训练药品推荐类型；所述基于所述各个画像特征对应的第一信息增益构建所述决策树模型，包括：从所述各个画像特征对应的第一信息增益中确定最大第一信息增益，并将所述最大第一信息增益对应的画像特征确定为所述决策树模型的根节点的节点特征；<...
【专利技术属性】
技术研发人员：巩四方，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。