一种基于医疗大数据的用药预测方法及系统

    公开(公告)号:CN111914164B

    公开(公告)日:2024-04-26

    申请号:CN202010569868.9

    申请日:2020-06-20

    摘要: 本发明提供一种基于医疗大数据的用药预测方法及系统,方法包括:基于训练好的二分类模型,预测出药品用完且未进行新一次买药的目标用户,所述二分类模型是根据历史用户买药数据进行训练得到,并实现购买时间未到导出时间的数据与购买时间超过数据导出时间的数据的分类筛选;关联所述目标用户和药品数据,将关联结果推送给所述目标用户。本发明实施例提供的一种基于医疗大数据的用药预测方法及系统,通过针对性的分析慢病药品购买规律,能更加准确的预测出购买慢病药品的用户下次购买的时间,进而找出已经用完药品但还没有再次购买的人;并且通过模型训练中得出的各特征的占比,可以更准确的计算出最有可能再次回药店购买的用户。

    一种基于多任务学习的个性化用药推荐方法、设备及存储介质

    公开(公告)号:CN118737369A

    公开(公告)日:2024-10-01

    申请号:CN202410738461.2

    申请日:2024-06-07

    摘要: 本发明公开了一种基于多任务学习的个性化用药推荐方法、设备及存储介质,该方法包括以下步骤:步骤1)获取用户的医疗健康数据;步骤2)根据用户的医疗健康数据,获得用户医疗健康特征表示;步骤3)构建医学知识图谱,根据知识图谱中药物实体的信息,获得药物特征表示;步骤4)根据用户医疗健康特征表示和药物特征表示,利用预测函数模型学习用户医疗健康与药物之间的交互情况,计算得到两者发生交互的概率;步骤5)根据步骤4)中获得的概率对药物进行排序,将top‑k的药物推荐给用户。本发明基于多任务学习的思想,充分融合医疗健康数据和医学知识图谱中的有效信息,显著提升个性化用药推荐结果的准确性和推荐结果的可解释性。

    一种药店会员群体画像构建方法
    3.
    发明公开

    公开(公告)号:CN117391765A

    公开(公告)日:2024-01-12

    申请号:CN202310605232.9

    申请日:2023-05-23

    摘要: 本发明公开了一种药店会员群体画像构建方法,包括以下步骤:1)获取药店用户的历史消费数据和用户信息数据,并根据历史消费数据和用户信息数据提取样本特征;2)对所述样本特征进行处理,获得用户画像标签;所述用户画像标签包括以下维度:用户维度、消费维度和医药维度;3)根据用户画像标签构建用户画像;4)用户群体划分,构建用户群体画像;5)对用户群体画像进行特征提取,形成最终的群体画像。本发明对现有药店会员用户画像特征维度进行了扩充;本发明提出药店会员的群体画像方法,对用户刻画更精准,基于本发明群体画像的消费预测和营销预测具有较高的准确率和更高的性能。

    一种基于Faiss算法的药品信息匹配方法及装置

    公开(公告)号:CN116168848A

    公开(公告)日:2023-05-26

    申请号:CN202211100213.2

    申请日:2022-09-08

    发明人: 黎云 吕静 沈章 袁冲

    摘要: 本发明涉及一种基于Faiss算法的药品信息匹配方法及装置,其方法包括:构建SimBERT预训练模型,利用预设药品数据库对其一个或多个模型参数进行调整;基于调整后的SimBERT预训练模型生成文本库向量,计算待匹配数据库与标准药品数据库的余弦相似度;利用Faiss生成所述文本库向量的索引,并确定所述索引的输出匹配结果的数量阈值和排序方法;将待匹配的文本输入到调整后的SimBERT预训练模型,所述索引根据所述输出匹配结果的数量阈值和排序方法,生成匹配结果。本发明通过SimBERT模型与Faiss的结合,提高了药品信息的匹配效率和可靠性。

    一种基于医疗大数据的新会员催熟方法和装置

    公开(公告)号:CN111915344A

    公开(公告)日:2020-11-10

    申请号:CN202010569866.X

    申请日:2020-06-20

    摘要: 本发明针对现有会员催熟方案未充分考虑新会员之间存在的较大差异,药店无法合理的指定合适面额的优惠券,进而导致营销成本升高等问题,提供了一种基于医疗大数据的新会员催熟方法和装置。本发明对新注册会员除了在数据库中记录会员基本信息外,还记录了会员标签信息。获得新会员的组合特征数据,构建回归模型以确定目标会员不同标签数据对应的优惠券面额,将优惠力度设置在合理范围内,减小企业营销成本。并且,对新注册会员进行多轮营销活动,并在活动中动态调整新会员标签数据和组合特征数据,实现优惠券的合理推送和精准营销,能够保证能够快速催熟新会员的前提下,提高药店的收益率和会员的忠诚度。

    一种药品组合推荐方法、装置、电子设备及存储介质

    公开(公告)号:CN111914163A

    公开(公告)日:2020-11-10

    申请号:CN202010569860.2

    申请日:2020-06-20

    IPC分类号: G06F16/9535 G06Q30/06

    摘要: 本发明提供一种药品组合推荐方法、装置、电子设备及存储介质,该方法包括:获取连锁药店历史销售数据,对历史销售数据预处理;基于关联规则算法产生药品的频繁项集,对频繁项集按支持度进行排序;遍历频繁项集查询包含预定药品的项集,合并去重得到关联药品数组;选取关联药品数组中支持度最高的药品与预定药品组合,将组合药品代入扩展函数,得到相似药品组合;在历史销售数据中查找相似药品组合对应的会员ID,合并去重后得到目标会员信息。通过该方案解决了现有药品组合推荐方法计算量较大的问题,可以减少关联药品推荐的计算量,提高运算效率,并能减少隐私数据的利用,有效保护顾客隐私。

    一种基于医疗大数据的新会员催熟方法和装置

    公开(公告)号:CN111915344B

    公开(公告)日:2024-11-01

    申请号:CN202010569866.X

    申请日:2020-06-20

    摘要: 本发明针对现有会员催熟方案未充分考虑新会员之间存在的较大差异,药店无法合理的指定合适面额的优惠券,进而导致营销成本升高等问题,提供了一种基于医疗大数据的新会员催熟方法和装置。本发明对新注册会员除了在数据库中记录会员基本信息外,还记录了会员标签信息。获得新会员的组合特征数据,构建回归模型以确定目标会员不同标签数据对应的优惠券面额,将优惠力度设置在合理范围内,减小企业营销成本。并且,对新注册会员进行多轮营销活动,并在活动中动态调整新会员标签数据和组合特征数据,实现优惠券的合理推送和精准营销,能够保证能够快速催熟新会员的前提下,提高药店的收益率和会员的忠诚度。

    一种温度会员标签预测方法、装置、电子设备及存储介质

    公开(公告)号:CN111913940B

    公开(公告)日:2024-04-26

    申请号:CN202010569862.1

    申请日:2020-06-20

    摘要: 本发明提供一种温度会员标签预测方法、装置、电子设备及存储介质,该方法包括:从大数据平台数据源获取会员标签数据和会员历史消费数据;根据会员标签数据和会员历史消费数据,提取会员历史消费特征及对应的预测标签数据;基于3σ法则对异常特征数据进行清除,并通过embedded方法进行特征选择;构建ligthGBM算法,选取预订比例的清洗后的特征数据作为训练数据对ligthGMB模型进行训练,确定模型参数;通过GridSearch网格调参后,将最优参数代入ligthGBM模型,以基于ligthGBM模型进行会员标签预测。通过该方案解决了现有温度会员标签定义不准确的问题,可以实现对会员标签的准确定义,实时监控预测温度会员消费行为及价值。

    基于多层图注意力模块的用药推荐方法、系统及存储介质

    公开(公告)号:CN116994703A

    公开(公告)日:2023-11-03

    申请号:CN202310870758.X

    申请日:2023-07-14

    摘要: 本发明公开了一种基于多层图注意力模块的用药推荐方法、系统及存储介质,所述方法包括:获取当前用户的诊断疾病记录和个人基本信息,确定当前系统药物候选信息及医学知识图谱;对个人基本信息进行特征工程处理,获得个人特征信息;根据诊断疾病记录、当前系统药物候选信息和医学知识图谱确定疾病列表向量;对个人特征信息和疾病列表向量进行特征融合,获得当前用户最优特征子集;将疾病列表向量和当前用户最优特征子集输入至药品预测推荐模型中,获得当前用户的药品推荐信息,药品预测推荐模型基于多层图注意力模块训练。本发明通过多层图注意力模块构建的药品预测推荐模型实现了处方推荐辅助,根据当前用户最优特征子集快速得到个性化推荐结果。

    一种面向药品销售数据的缺失值填补方法、装置与设备

    公开(公告)号:CN118113997A

    公开(公告)日:2024-05-31

    申请号:CN202410218264.8

    申请日:2024-02-28

    发明人: 袁冲 刘智 吕静 李涛

    摘要: 本发明公开了一种面向药品销售数据的缺失值填补方法、装置与设备,该方法包括以下步骤:1)获取药店的会员基本信息数据和药品销售数据;2)对获取的数据进行数据预处理;3)获取Ai与An+1,An+2,An+3,…Am的特征相关度,并按照相关度对Ai进行降序排序作为缺失值填补顺序;4)构建基于Stacking融合策略的混合模型;5)基于Stacking融合策略的混合模型进行预测,并用测试集来进行验证,然后把已填补缺失值的特征作为已知特征,重新划分数据集进行下一个待填补缺失值的预测,直到所有的待填补缺失值预测结束。本发明方法通过依据特征相关增量填补,能在一定程度提升填补准确率。