(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210874307.9 (22)申请日 2022.07.22 (71)申请人 康键信息技 术 （深圳） 有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 谢杨　 (74)专利代理 机构 北京辰权知识产权代理有限 公司 11619 专利代理师 支宇鑫 (51)Int.Cl. G16H 20/10(2018.01) G16H 80/00(2018.01) G06F 16/9535(2019.01) G06F 16/9538(2019.01)G06Q 30/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 处方信息推荐方法、 装置、 存储介质及电子 设备 (57)摘要 本发明公开了一种处方信息推荐方法、 装 置、 存储介质及电子设备。 其中， 上述方法包括： 提取问诊用户的属性特征； 将所述属性特征输入 至训练好的处方推荐模型， 得到所述问诊用户在 处方数据库中对应每个处方的概率； 所述处方推 荐模型为基于预设模型集成框架将多个不同类 型的神经网络模 型进行集 成得到的模 型； 将概率 最大的处方确定为目标推荐处方； 输出所述目标 推荐处方。 本发 明解决了相关技术中处方生成效 率较低的技 术问题。 权利要求书2页 说明书10页 附图3页 CN 115223680 A 2022.10.21 CN 115223680 A 1.一种处方信息推荐方法， 其特 征在于， 包括： 提取问诊用户的属性特 征； 将所述属性特征输入至训练好的处方推荐模型， 得到所述问诊用户在处方数据库中对 应每个处方的概率； 所述处方推荐模型为基于预设模型集成框架将多个不同类型的神经网 络模型进行集成得到的模型； 将概率最大的处方确定为目标推荐处方； 输出所述目标推荐处方。 2.根据权利要求1所述的方法， 其特征在于， 所述提取问诊用户的属性特征之前， 还包 括： 基于第一类型神经网络模型将问诊用户的属性特 征转换为第一向量 集合； 基于第二类型神经网络模型将问诊用户的属性特 征转换为第二向量 集合； 将所述第一向量 集合和第二向量 集合进行融合， 得到目标向量 集合； 基于所述目标向量集合对所述处方推荐模型进行训练， 得到所述训练好的处方推荐模 型。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述目标向量集合对所述处方推 荐模型进 行训练之前， 包括： 获取问诊用户在线购物的行为特征信息、 问诊行为特征信息和 历史处方记录特 征信息； 所述基于所述目标向量集合对所述处方推荐模型进行训练， 得到所述训练好的处方推 荐模型， 包括： 将所述在线购物的行为特征信 息、 问诊行为特征信 息和历史处方记录特征信 息组成的 多维度的向量 集合， 对所述处方推荐模型进行训练， 得到所述训练好的处方推荐模型。 4.根据权利要求2所述的方法， 其特征在于， 基于所述目标向量集合对所述处方推荐模 型进行训练， 得到所述训练好的处方推荐模型之前， 还 包括： 将问诊用户的属性特 征划分为包括词组特 征的目标向量 集合； 所述基于所述目标向量集合对所述处方推荐模型进行训练， 得到所述训练好的处方推 荐模型， 包括： 基于词组特征对应的向量集合对所述处方推荐模型进 行训练， 得到所述训练 好的处方推荐模型作为 参数。 5.根据权利要求3所述的方法， 其特征在于， 所述第 一类型神经网络模型和第 二类型神 经网络模型， 包括随机森林Ran dom Forest的分类模型、 深度神经网络DNN的分类模型和基 于循环神经网络RNN的分类模型中的至少之一； 其中， 所述第一类型神经网络模 型和第二类 型神经网络模型不同。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 判断当前问诊用户是否为当前系统的新用户； 若是， 则提取问诊用户的注册信息特征， 基于预设的推荐算法并根据所注册信息特征 获取目标推荐处方。 7.根据权利要求2所述的方法， 其特征在于， 所述基于所述目标向量集合对所述处方推 荐模型进行训练， 得到所述训练好的处方推荐模型， 包括： 将所述目标向量集合中的每个训练样本配置初始权重， 进行样本训练得到第一学习 器；权　利　要　求　书 1/2 页 2 CN 115223680 A 2根据所述第一学习器推荐处方的准确度更新每个训练样本的初始权重得到第二学习 器， 直至所述 准确度达 到预设阈值。 8.一种处方信息推荐装置， 其特 征在于， 包括： 第一提取单元， 提取问诊用户的属性特 征； 第一获取单元， 用于将所述属性特征输入至训练好的处方推荐模型， 得到所述问诊用 户在处方数据库中对应每个处方的概率； 所述处方推荐模型为基于预设模 型集成框架将多 个不同类型的神经网络模型进行集成得到的模型； 确定单元， 用于将概 率最大的处方确定为目标推荐处方； 输出单元， 用于输出所述目标推荐处方。 9.一种计算机可读的存储介质， 其特征在于， 所述计算机可读的存储介质包括存储的 程序， 其中， 所述 程序运行时执 行所述权利要求1至7任一项中所述的方法。 10.一种电子设备， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方 法。权　利　要　求　书 2/2 页 3 CN 115223680 A 3