本發(fā)明屬于計算機軟件的技術(shù)領(lǐng)域。

技術(shù)背景

隨著信息技術(shù)的不斷發(fā)展，越來越多的研究人員開始嘗試將最先進的科技運用到醫(yī)療健康領(lǐng)域，醫(yī)藥知識的普及和網(wǎng)上購物的興起，使現(xiàn)在生病之后自己在網(wǎng)上買藥的人也越來越多，國外網(wǎng)有上藥店，國內(nèi)也有榮藥在線、金象大藥房等網(wǎng)上藥店，受到越來越多的關(guān)注。網(wǎng)上買藥不受時間、空間、地域的限制，對時間忙或不便于長時間運動的人群來說尤為方便；此外，在網(wǎng)上可以獲得大量的藥品信息、價格信息以及用戶評論等信息，還可以買到當?shù)貨]有的藥品；而且由于網(wǎng)上藥店省去租店面、雇員及儲存保管等一系列費用，總的來說其價格較一般藥店的同類藥品更便宜。

網(wǎng)上買藥在帶來極大便利的同時，由于藥品種類繁多，目前已獲得fda批準上市的藥物超過1710種，已收入umls醫(yī)療數(shù)據(jù)庫的疾病超過25000種，而藥品與疾病直接的關(guān)系構(gòu)成數(shù)以百萬計的對應關(guān)系。網(wǎng)上自主購藥存在最大的問題是購藥時無法獲得有效的專家指導意見，因此，在網(wǎng)上買藥都具有一定的盲目性，容易出現(xiàn)用錯藥物、重復用藥、忽視藥物間相互作用等錯誤，不能在第一時間買到最適合自己病情的藥品等問題。目前的網(wǎng)上藥品推薦算法主要是基于藥品銷售排序、價格以及評價排序等，但是這些算法無法有效地解決藥品與疾病之間的關(guān)系。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明的目的是提供一種基于深度學習的藥品推薦算法，利用深度學習模型提取藥品療效與疾病對應關(guān)聯(lián)特征模型，并結(jié)合用戶評價、藥品價格、用藥注意事項等信息，構(gòu)建個性化的深度學習藥品推薦模型，指導用戶高效地進行網(wǎng)上購藥。

本發(fā)明在深度學習框架下構(gòu)建了藥品療效與疾病對應關(guān)系模型，基于該模型提出一種個性化的藥品推薦算法，較好解決了用戶缺乏專家指導意見購藥的問題。

本發(fā)明的技術(shù)方案包括：藥品相關(guān)信息采集分析；深度學習特征訓練；個性化推薦等三個過程。

藥品相關(guān)信息采集分析包括：從cfda上采集批準的藥品名稱及其治療疾病，藥品副作用，用藥注意事項等信息；網(wǎng)上藥品商城中采集藥品銷售數(shù)據(jù)，用戶評價，價格等信息。

深度學習特征訓練：包括基于深度學習訓練網(wǎng)絡的構(gòu)建和特征參數(shù)訓練過程以及藥品分類信息輸出。

個性化推薦：包括基于長期個人健康特征的藥品推薦及其實現(xiàn)過程。

附圖說明

圖1為基于深度學習的藥品特性訓練實施框架圖；

圖2為個性化藥品推薦過程。

具體實施方法

本發(fā)明的數(shù)據(jù)采集及其特征訓練實施框架如圖1所示，首先采集cfda、fda等藥品信息權(quán)威數(shù)據(jù)信息以及網(wǎng)上商城的藥品銷售信息，構(gòu)建自編碼深度學習網(wǎng)絡，利用采集的數(shù)據(jù)來訓練獲得網(wǎng)絡權(quán)重。在個性化推薦過程如圖2所示，將個人相關(guān)信息及其病情輸入訓練完成的網(wǎng)絡中，獲得系統(tǒng)的個性化藥品推薦。

藥品信息采集及藥品特性訓練具體實施過程：

1.從cfda網(wǎng)站中批準藥品從獲取藥品名稱，治療疾病名稱，藥品用量，副作用以及藥品化學結(jié)構(gòu)特征等；

2.從包括umls數(shù)據(jù)庫在內(nèi)的數(shù)據(jù)源收集疾病信息；

3.從包括cdt(comparativetoxicogenomicsdatabase)在內(nèi)的數(shù)據(jù)源收集藥物-疾病的治療關(guān)系信息；

4.從offsides在內(nèi)的數(shù)據(jù)源收集藥物-疾病副作用關(guān)系信息；

5.從網(wǎng)上藥品商城收集藥品銷售信息；

6.對采集的各類數(shù)據(jù)進行標準化處理；

7.構(gòu)建藥品的稀疏自編碼特征矩陣x＝y(tǒng)x1，x2，...，xny，對于任意的x經(jīng)過訓練后的輸出為h(x⁽ⁱ⁾；w,b)＝σ(wx⁽ⁱ⁾+b)，其中w為自編碼網(wǎng)絡的權(quán)重，b為偏值權(quán)重，σ為激活函數(shù)。

利用采集數(shù)據(jù)訓練網(wǎng)絡參數(shù)，使之滿足個性化藥品推薦過程：

1.收集用戶個性化信息，包括年齡、性別、身高、體重、藥物過敏等疾病史；

2.用戶需求的藥品信息，可以為病癥信息或者藥品名稱；

3.將用戶的個性化需求構(gòu)建特征矩陣，并通過自編碼網(wǎng)絡進行藥品預測，輸出的包括藥品及其藥品用量、用藥注意事項等信息。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明提出一種深度學習的藥品推薦算法。屬于計算機軟件的領(lǐng)域，在深度學習框架下構(gòu)建了藥品療效與疾病對應關(guān)系模型，基于該模型提出一種個性化的藥品推薦算法。本發(fā)明的推薦算法包括三個部分：首先，為藥品相關(guān)信息采集過程，包括從CFDA上采集批準的藥品名稱及其治療疾病，藥品副作用，用藥注意事項等信息；網(wǎng)上藥品商城中采集藥品銷售數(shù)據(jù)，用戶評價，價格等信息。其次，為深度學習特征訓練過程，包括基于深度學習訓練網(wǎng)絡的構(gòu)建和特征參數(shù)訓練過程以及藥品分類信息輸出。最后，為個性化推薦，包括基于長期個人健康特征的藥品推薦及其實現(xiàn)過程。本發(fā)明較好解決了用戶缺乏專家指導意見購藥的問題。

技術(shù)研發(fā)人員：羅日紅;蔡君
受保護的技術(shù)使用者：廣東億榮電子商務有限公司;廣東技術(shù)師范學院
技術(shù)研發(fā)日：2017.04.26
技術(shù)公布日：2017.08.25