预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共23页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113722371A(43)申请公布日2021.11.30(21)申请号202111019177.2G16H20/10(2018.01)(22)申请日2021.08.31(71)申请人平安国际智慧城市科技股份有限公司地址518000广东省深圳市前海深港合作区妈湾兴海大道3048号前海自贸大厦1-34层(72)发明人巩四方(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强(51)Int.Cl.G06F16/2457(2019.01)G06K9/62(2006.01)G06Q30/06(2012.01)权利要求书2页说明书15页附图5页(54)发明名称一种基于决策树的药品推荐方法、装置、设备及存储介质(57)摘要本申请涉及数字医疗领域,公开了一种基于决策树的药品推荐方法、装置、设备及存储介质,包括:获取一个或多个训练用户的训练画像数据,为各个训练画像数据添加训练推荐类型标签,基于添加训练推荐类型标签的各个训练画像数据构建决策树模型;获取目标用户的购药需求,基于购药需求确定初始药品类型,基于初始药品类型从药品库中确定候选药品集合;获取目标用户的用户画像数据,调用决策树模型对用户画像数据进行决策处理,得到药品推荐类型;根据药品推荐类型从候选药品集合中确定推荐药品,将推荐药品推荐给目标用户。可以提供个性化的药品推荐,提高推荐准确性。本申请涉及区块链技术,如可将上述用户画像数据写入区块链中,以用于推荐等场景。CN113722371ACN113722371A权利要求书1/2页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;2CN113722371A权利要求书2/2页基于所述最大第一信息增益对应的画像特征对所述训练样本集进行划分,得到多个训练子样本集;针对所述多个训练子样本集中的任一训练子样本集,计算第二画像特征集合中各个画像特征的第二信息增益,所述第二画像特征集合包括:除所述最大第一信息增益对应的画像特征之外的其他画像特征;根据所述第二信息