CN110111179B - 药品组合的推荐方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种药品组合的推荐方法，所述药品组合的推荐方法包括以下步骤：获取各个第一药品组合的购买概率；获取各个所述第一药品组合的商业信息，所述商业信息包括所述第一药品组合的库存和所述第一药品组合的利润中的至少一个；根据所述购买概率以及所述商业信息确定待推荐药品组合；输出所述待推荐药品组合的推荐信息。本发明还公开了一种药品组合的推荐装置及计算机可读存储介质，通过用户购买各药品组合的概率以及商家对于各药品组合的商业需求来确定合适的药品组合，并将药品组合推荐给用户，不仅满足用户购买药品的需求，从而实现促进药品销售的目的，而且满足商家对于药品库存、利润等的商业需求。

Description

药品组合的推荐方法、装置及计算机可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及药品组合的推荐方法、装置及计算机可读存储介质。

背景技术

将两种的商品组合在一起，并以相对折扣价格一起出售，可有效促进商品的销售，已经应用于各行各业。

在医药行业中，药品零售商也常常会对两种药品进行组合销售。在销售的过程中，药品的组合种类主要是由药品零售商进行确定。很多药品零售商由于对组合的药品具有较大的商业需求，因此会优先组合那些库存较多或利润较高的药品，因此这种药品组合方式包含了比较多的药品零售商主观因素，往往无法满足消费者的购物需求，消费者缺乏购物欲望，这就达不到促进药品销售的目的。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种药品组合的推荐方法、装置及计算机可读存储介质，旨在通过用户购买各药品组合的概率以及商家对于各药品组合的商业需求来确定合适的药品组合，并将药品组合推荐给用户，不仅满足用户购买药品的需求，从而实现促进药品销售的目的，而且满足商家对于药品库存、利润等的商业需求。

为实现上述目的，本发明提供一种药品组合的推荐方法，所述药品组合的推荐方法包括以下步骤：

获取各个第一药品组合的购买概率；

获取各个所述第一药品组合的商业信息，所述商业信息包括所述第一药品组合的库存和所述第一药品组合的利润中的至少一个；

根据所述购买概率以及所述商业信息确定待推荐药品组合；

输出所述待推荐药品组合的推荐信息。

可选地，所述获取各个第一药品组合的购买概率的步骤包括：

获取各个所述第一药品组合的相似度；

根据所述相似度获取各个所述第一药品组合的购买概率。

可选地，所述获取各个第一药品组合的购买概率的步骤之前，还包括：

在获取到用户交易数据时，获取所述用户交易数据中各个第二药品组合的关联系数，所述第二药品组合的数量大于或等于所述第一药品组合的数量；

判断所述关联系数是否大于预设阈值；

在所述关联系数大于所述预设阈值时，将所述关联系数对应的第二药品组合作为所述第一药品组合，并执行所述获取各个第一药品组合的购买概率的步骤。

可选地，所述根据所述购买概率以及所述商业信息确定待推荐药品组合的步骤包括：

根据所述购买概率以及所述商业信息获取第一适应度；

根据所述第一适应度确定所述待推荐药品组合。

可选地，所述根据所述购买概率以及所述商业信息获取第一适应度的步骤包括：

获取所述购买概率和所述商业信息分别对应的系数；

根据所述购买概率、所述商业信息以及所述购买概率和所述商业信息分别对应的系数获取所述第一适应度。

可选地，所述根据所述第一适应度确定所述待推荐药品组合的步骤包括：

根据所述第一适应度获取第三药品组合；

获取所述第三药品组合的第二适应度；

根据所述第二适应度确定所述待推荐药品组合。

可选地，所述根据所述第一适应度获取第三药品组合的步骤包括：

根据所述第一适应度确定第四药品组合，并对所述第四药品组合进行交叉处理，得到第五药品组合，其中，所述第四药品组合的数量小于或等于所述第一药品组合的数量；

利用随机数发生器对所述第五药品组合进行变异处理，得到第三药品组合。

可选地，所述利用随机数发生器对所述第五药品组合进行变异处理的步骤之前，还包括：

获取所述随机数发生器生成的数值；

在所述数值处于预设范围时，执行所述利用随机数发生器对所述第五药品组合进行变异处理的步骤。

此外，为实现上述目的，本发明还提供一种药品组合的推荐装置，所述药品组合的推荐装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的药品组合的推荐程序，所述药品组合的推荐程序被所述处理器执行时实现如上所述中任一项所述的药品组合的推荐方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有药品组合的推荐程序，所药品组合的推荐程序被处理器执行时实现如上所述中任一项所述的药品组合的推荐方法的步骤。

本发明实施例提出的药品组合的推荐方法、装置及计算机可读存储介质，获取各个第一药品组合的购买概率和商业信息，根据购买概率以及商业信息确定待推荐药品组合，并输出推荐信息，这样，通过用户购买各药品组合的概率以及商家对于各药品组合的商业需求来确定合适的药品组合，并将药品组合推荐给用户，不仅满足用户购买药品的需求，从而实现促进药品销售的目的，而且满足商家对于药品库存、利润等的商业需求。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明药品组合的推荐方法的一实施例的流程示意图；

图3为本发明药品组合的推荐方法另一实施例的流程示意图；

图4为本发明药品组合的推荐方法再一实施例的流程示意图；

图5为本发明药品组合的推荐方法又一实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：

获取各个第一药品组合的购买概率；

获取各个所述第一药品组合的商业信息，所述商业信息包括所述第一药品组合的库存和所述第一药品组合的利润中的至少一个；

根据所述购买概率以及所述商业信息确定待推荐药品组合；

输出所述待推荐药品组合的推荐信息。

由于现有技术中，在医药行业中，药品零售商也常常会对两种药品进行组合销售。在销售的过程中，药品的组合种类主要是由药品零售商进行确定。很多药品零售商由于对组合的药品具有较大的商业需求，因此会优先组合那些库存较多或利润较高的药品，因此这种药品组合方式包含了比较多的药品零售商主观因素，往往无法满足消费者的购物需求，消费者缺乏购物欲望，这就达不到促进药品销售的目的。

本发明提供一种解决方案，通过用户购买各药品组合的概率以及商家对于各药品组合的商业需求来确定合适的药品组合，并将药品组合推荐给用户，不仅满足用户购买药品的需求，从而实现促进药品销售的目的，而且满足商家对于药品库存、利润等的商业需求。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是PC等终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及药品组合的推荐程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的药品组合的推荐程序，并执行以下操作：

获取各个第一药品组合的购买概率；

获取各个所述第一药品组合的商业信息，所述商业信息包括所述第一药品组合的库存和所述第一药品组合的利润中的至少一个；

根据所述购买概率以及所述商业信息确定待推荐药品组合；

输出所述待推荐药品组合的推荐信息。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

获取各个所述第一药品组合的相似度；

根据所述相似度获取各个所述第一药品组合的购买概率。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

在获取到用户交易数据时，获取所述用户交易数据中各个第二药品组合的关联系数，所述第二药品组合的数量大于或等于所述第一药品组合的数量；

判断所述关联系数是否大于预设阈值；

在所述关联系数大于所述预设阈值时，将所述关联系数对应的第二药品组合作为所述第一药品组合，并执行所述获取各个第一药品组合的购买概率的步骤。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

根据所述购买概率以及所述商业信息获取第一适应度；

根据所述第一适应度确定所述待推荐药品组合。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

获取所述购买概率和所述商业信息分别对应的系数；

根据所述购买概率、所述商业信息以及所述购买概率和所述商业信息分别对应的系数获取所述第一适应度。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

根据所述第一适应度获取第三药品组合；

获取所述第三药品组合的第二适应度；

根据所述第二适应度确定所述待推荐药品组合。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

根据所述第一适应度确定第四药品组合，并对所述第四药品组合进行交叉处理，得到第五药品组合，其中，所述第四药品组合的数量小于或等于所述第一药品组合的数量；

利用随机数发生器对所述第五药品组合进行变异处理，得到第三药品组合。

进一步地，处理器1001可以调用存储器1005中存储的药品组合的推荐程序，还执行以下操作：

获取所述随机数发生器生成的数值；

在所述数值处于预设范围时，执行所述利用随机数发生器对所述第五药品组合进行变异处理的步骤。

参照图2，在一实施例中，所述药品组合的推荐方法包括以下步骤：

步骤S10，获取各个第一药品组合的购买概率；

在本实施例中，每个第一药品组合可包括多件药品，并且在不同的第一药品组合中的该多件药品不完全相同，以对多个第一药品组合进行区分。下面将以某一第一药品组合包括两件药品(药品A和药品B)为例进行说明。首先获取各个所述第一药品组合的相似度，再根据所述相似度获取各个所述第一药品组合的购买概率。具体地，针对包括药品A和药品B的第一药品组合，获取药品A与药品B之间的相似度，再根据该相似度计算单个用户购买包括药品A和药品B的第一药品组合的概率，然后对所有用户购买包括药品A和药品B的第一药品组合的概率取平均值，即为包括药品A和药品B的第一药品组合的购买概率。通过购买概率确定的待推荐药品组合，更加符合用户的购物需求。

此外，在所述获取各个第一药品组合的购买概率的步骤之前，还可在用户购买药品的大量记录，获取更具有代表性的各个第一药品组合，这样，推荐给用户的药品组合更加准确。首先，获取大量的用户交易数据，再通过关联规则算法获取所述用户交易数据中各个第二药品组合的关联系数，其中，所述关联系数包括支持度和置信度中的至少一个，然后将满足判断条件的关联系数对应的第二药品组合筛选出来，作为第一药品组合，并执行所述获取各个第一药品组合的购买概率的步骤，其中，判断条件可以是大于预设阈值，也可以是其他判断条件，当然，预设阈值也可以设置多个，对应的判断条件也可以有多种，以便于对支持度和置信度分开进行判断。由于各个第一药品组合均是从各个第二药品组合中筛选出来的，因此第二药品组合的数量应大于或等于第一药品组合的数量。

步骤S20，获取各个所述第一药品组合的商业信息，所述商业信息包括所述第一药品组合的库存和所述第一药品组合的利润中的至少一个；

在本实施例中，获取各个第一药品组合的商业信息，即根据商家在销售药品时的商业需求，设置药品组合的利润、药品组合的库存等信息中的至少一个，从而可结合购买概率与商业信息确定待推荐药品组合，使得待推荐药品组合同时符合用户的购物需求和商家的销售需求，当然商业信息还可包括药品有效期等。具体的，针对包括药品A和药品B的第一药品组合，设置药品A和药品B的综合利润，以及设置药品A和药品B的库存件数，其中，综合利润和库存件数均可为具体数值。

步骤S30，根据所述购买概率以及所述商业信息确定待推荐药品组合；

步骤S40，输出所述待推荐药品组合的推荐信息。

在本实施例中，首先根据购买概率以及述商业信息获取第一适应度，第一适应度一般为具体的数值。由于购买概率为不小于0且不大于1的小数，因此可相应地对所述商业信息作归一化处理，一般是对所述商业信息取余弦值，使商业信息也为不小于0且不大于1的小数，以方便计算。通过对购买概率和商业信息分别分配合适的系数，用以对应不同的重要程度，再根据购买概率和商业信息的数值，以及购买概率和商业信息分别对应的系数，计算出第一适应度。然后根据各个第一药品组合的第一适应度基于遗传算法进行进一步筛选，遗传算法一般可分为选择(selection)、交叉(crossover)、变异(mutation)三个步骤，为了得到的待推荐药品组合更加准确，还可循环进行选择、交叉、变异步骤，以对各个第一药品组合进行迭代。在通过遗传算法得到各个第三药品组合后，计算第三药品组合的第二适应度，再根据第二适应度进行筛选，得到一个或多个符合筛选条件的第三药品组合，并作为待推荐药品组合。在确定推荐药品组合后，输出待推荐药品组合的推荐信息，推荐信息可包括药品组合中的药品名称、药品价格、药品简介等信息。

在本实施例公开的技术方案中，获取各个第一药品组合的购买概率和商业信息，根据购买概率以及商业信息确定待推荐药品组合，并输出推荐信息，这样，通过用户购买各药品组合的概率以及商家对于各药品组合的商业需求来确定合适的药品组合，并将药品组合推荐给用户，不仅满足用户购买药品的需求，从而实现促进药品销售的目的，而且满足商家对于药品库存、利润等的商业需求。

在另一实施例中，如图3所示，在上述图2所示的实施例基础上，步骤S10包括：

步骤S11，获取各个所述第一药品组合的相似度；

在本实施例中，由于计算相似度的样本是二元数据的集合，因此相似度一般采用杰卡德(Jaccard)相似度进行计算，当然也可以是欧氏距离、余弦相似度等方式。Jaccard相似度的公式定义如下：

其中，J(A,B)表示药品A和药品B的相似度值，当相似度值越大时，对应的相似度也越大。

步骤S12，根据所述相似度获取各个所述第一药品组合的购买概率。

在本实施例中，在计算出各个第一药品组合的相似度之后，再结合概率公式进行计算。概率公式如下：

P_i(A∩B)＝P_i(A)+P_i(B)-P_i(A∪B)…(2)

其中，P_i(A∩B)表示用户i同时购买药品A和药品B的概率，P_i(A)表示用户i购买药品A的概率，P_i(B)表示用户i购买药品B的概率。P_i(A)和P_i(B)可通过多种方式进行计算，例如，通过协同过滤算法对多个用户对多个药品的评分进行分析，得到用户对药品的预测评分，再对预测评分归一化，即为用户对药品的购买概率，具体计算过程在此不再赘述。

因此，结合公式(1)和公式(2)可得用户i购买包括药品A和药品B的第一药品组合的概率的计算方式如下：

在通过公式(3)计算出所有用户购买包括药品A和药品B的第一药品组合的概率后，取平均值，即为包括药品A和药品B的第一药品组合的购买概率。

在本实施例公开的技术方案中，获取各个所述第一药品组合的相似度，根据所述相似度获取各个所述第一药品组合的购买概率，实现了一种计算第一药品组合的购买概率的方法，为根据购买概率以及商业信息确定待推荐药品组合提供基础。

在再一实施例中，如图4所示，在图2至图3任一实施例所示的基础上，步骤S10之前，还包括：

步骤S01，在获取到用户交易数据时，获取所述用户交易数据中各个第二药品组合的关联系数，所述第二药品组合的数量大于或等于所述第一药品组合的数量；

在本实施例中，在获取到用户交易数据时，可通过关联规则算法获取更具代表性的药品组合。关联规则算法可包括多种算法，在此使用先验(Apriori)算法。Apriori算法是常用的用于挖掘出数据关联规则的算法，它可用来找出数据值中频繁出现的数据集合，并且只需对用户交易数据进行两次扫描，就可计算出用户交易数据中各个第二药品组合的关联系数，其中，关联系数包括支持度和置信度中的至少一个，当然还可包括其他具有代表性的参数。支持度指几个关联的数据在数据集中出现的次数占总数据集的比重，即几个数据关联出现的概率，支持度的定义公式如下：

X({A,B})＝N(A∪B)/M＝P(A∩B)

其中，设M中有X％的事务同时支持物品集A和B，X％称为{A，B}的支持度，即X({A,B})，N(A∪B)表示含有物品集{A,B}的事务集的个数，不是数学中的并集，P(A∩B)表示含有物品集{A,B}的事务集在M中的比例。

置信度体现了一个数据出现后，另一个数据出现的概率，即数据的条件概率，置信度的定义公式如下：

Y(A→B)＝X({A,B})/X({A})＝P(B|A)

其中，Y(A→B)表示物品A对B的置信度，X({A,B})表示物品集{A,B}的支持度，P(B|A)表示在物品A出现后，物品B出现的概率。

此外，由于各个第一药品组合均是从各个第二药品组合中筛选出来的，因此第二药品组合的数量应大于或等于第一药品组合的数量。

步骤S02，判断所述关联系数是否大于预设阈值；

步骤S03，在所述关联系数大于所述预设阈值时，将所述关联系数对应的第二药品组合作为所述第一药品组合。

并执行所述获取各个第一药品组合的购买概率的步骤。

在本实施例中，在获取到关联系数后，判断关联系数是否大于预设阈值，具体的，此预设阈值可根据从各个第二药品组合筛选各个第一药品组合时的具体需求进行确定，并且在关联系数包括支持度、置信度等参数中的多个时，可针对每一个参数设置不同的预设阈值，判断条件也不仅限于大于预设阈值，可针对每一个参数与对应预设阈值的大小关系设置不同的判断条件，在满足该不同判断条件时将所述第二药品组合作为第一药品组合，例如，可设置多个预设阈值和多个不同的判断条件使筛选出的第一药品组合的数量为100个。在关联系数满足对应的判断条件时，将该关联系数对应的第二药品组合作为所述第一药品组合，并执行所述获取各个第一药品组合的购买概率的步骤。具体的，针对包括药品A和药品B的第二药品组合，则可通过关联规则算法计算出药品A和药品B的支持度和/或置信度，再根据支持度和/或置信度判断是否将该包括药品A和药品B的第一药品组合作为第一药品组合。根据关联规则算法得到的关联系数，从各个第二药品组合中筛选出更具有代表性的各个第一药品组合，可使根据各个第一药品组合确定的待推荐药品更加准确。

在本实施例公开的技术方案中，在获取到用户交易数据时，获取所述用户交易数据中各个第二药品组合的关联系数，并判断所述关联系数是否大于预设阈值，在所述关联系数大于所述预设阈值时，将所述关联系数对应的第二药品组合作为所述第一药品组合，并执行所述获取各个第一药品组合的购买概率的步骤，通过从大量的用户交易数据中筛选出更具有代表性的各个第一药品组合，使得根据各个第一药品组合确定的待推荐药品更加准确，更加符合用户的购物需求。

在又一实施例中，如图5所示，在图2至图4任一实施例所示的基础上，步骤S30包括：

步骤S31，根据所述购买概率以及所述商业信息获取第一适应度；

在本实施例中，在获取到购买概率以及商业信息后，由于商业信息一般偏大，且与购买概率的差值较大，因此可对所述商业信息作归一化处理，一般是对所述商业信息取余弦值，使商业信息也为不小于0且不大于1的小数，以方便计算。获取购买概率和商业信息分别对应的系数，再根据购买概率、商业信息以及购买概率和商业信息分别对应的系数计算第一适应度，其中，适应度是综合评估药品组合的一个数值。购买概率和商业信息分别对应的系数可预先设置，也可根据药品组合的销售期望进行适当调整，以满足用户或商家的个性化需求。当然，购买概率和商业信息分别对应的系数也可设置为不同的权重，再根据权重对购买概率和商业信息做加权和处理，从而得到第一适应度。

步骤S32，根据所述第一适应度确定所述待推荐药品组合。

在本实施例中，根据各个第一药品组合的第一适应度，通过遗传算法等方式对各个第一药品组合进行筛选，以确定待推荐药品组合。遗传算法一般可分为选择、交叉、变异三个处理步骤，为了得到的待推荐药品组合更加准确，还可循环进行选择、交叉、变异处理步骤，以对各个第一药品组合进行迭代。首先，进行选择处理，根据第一适应度确定第四药品组合，第四药品组合是从第一药品组合中筛选出来的，因此第四药品组合的数量小于或等于第一药品组合的数量。筛选过程一般是对第一适应度设置筛选条件，进而根据筛选出来的第一适应度对应到第一药品组合，并作为第四药品组合，其中，筛选条件可以是根据第一适应度的数值进行大小排序，再筛选出一定比例的第一适应度，也可直接选取预设数量的第一适应度，例如根据第一适应度的大小筛选出前90％的第一适应度，以获取第一药品组合中的前90％作为第四药品组合。在选择处理完成后，得到多个第四药品组合，再对该多个第四药品组合进行交叉处理，即随机配对两个第四药品组合，将两个第四药品组合各自的一个药品进行互换，从而得到新的或是已存在的药品组合。在进行交叉处理前后的每一药品组合均可保存，并作为第五药品组合，因此第五药品组合的数量可大于或等于第四药品组合的数量。在得到多个第五药品组合之后，利用随机数发生器对这多个第五药品组合进行变异处理，获取所述随机数发生器生成的数值，并在随机数发生器产生的数值处于预设范围时，根据随机数发生器产生的数值对第五药品组合进行改变。具体的，在变异处理中，随机数发生器一般设有两个，第一随机数发生器可产生0或1，并且产生0或1的概率可手动进行设置，以适当调整变异几率，例如，第一随机数发生器产生0的概率为90％，第一随机数发生器产生1的概率为10％。第二随机数发生器随机产生数值，由于可事先对多个第五药品组合中的所有或部分药品进行标号，因此第二随机数发生器随机产生的数值与该所有或部分药品的标号相对应，这样，在第一随机数发生器产生0时，将当前第五药品组合作为第三药品组合，在第一随机数发生器产生1时，获取第二随机数发生器随机产生的数值，并根据此随机产生的数值对当前第五药品组合进行改变，即将此随机产生的数值对应到具有标号的药品，并将此具有标号的药品替换当前第五药品组合中的一个药品，从而得到第三药品组合。需要说明的是，第一随机数发生器产生0时以及第一随机数发生器产生1时均可产生第三药品组合，这样，可以获得多个第三药品组合。根据第一适应度通过遗传算法确定的待推荐药品组合更加准确，更加符合用户的购物需求。

在获取到多个第三药品组合，计算第三药品组合的第二适应度，第二适应度的具体计算过程参照第一适应度，在此不再赘述。在获取到第三药品组合的第二适应度，可再次进行选择、交叉、变异处理步骤，以对第三药品组合进行迭代，在迭代预设次数后停止迭代过程。当然，也可直接根据第三药品组合的第二适应度筛选待推荐药品组合，筛选过程一般是对第二适应度设置筛选条件，进而根据筛选出来的第二适应度对应到第三药品组合，并作为待推荐药品组合，其中，筛选条件可以是根据第二适应度的数值进行大小排序，再筛选出一定比例的第二适应度，也可直接选取预设数量的第二适应度。

在本实施例公开的技术方案中，根据所述购买概率以及所述商业信息获取第一适应度，根据所述第一适应度确定所述待推荐药品组合，通过用户购买各药品组合的概率以及商家对于各药品组合的商业需求来确定合适的药品组合，并将药品组合推荐给用户，不仅满足用户购买药品的需求，从而实现促进药品销售的目的，而且满足商家对于药品库存、利润等的商业需求。

此外，本发明实施例还提出一种药品组合的推荐装置，所述药品组合的推荐装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的药品组合的推荐程序，所述药品组合的推荐程序被所述处理器执行时实现如上实施例所述的药品组合的推荐方法的步骤。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有药品组合的推荐程序，所述药品组合的推荐程序被处理器执行时实现如上实施例所述的药品组合的推荐方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种药品组合的推荐方法，其特征在于，所述药品组合的推荐方法包括以下步骤：

获取各个第一药品组合的购买概率；

获取各个所述第一药品组合的商业信息，所述商业信息包括所述第一药品组合的库存和所述第一药品组合的利润中的至少一个；

获取所述购买概率和所述商业信息分别对应的系数；

根据所述购买概率、所述商业信息以及所述购买概率和所述商业信息分别对应的系数获取第一适应度；

根据所述第一适应度确定待推荐药品组合；

输出所述待推荐药品组合的推荐信息；

其中，所述根据所述第一适应度确定待推荐药品组合，包括：

根据所述第一适应度确定第四药品组合，并对所述第四药品组合进行交叉处理，得到第五药品组合，利用随机数发生器对所述第五药品组合进行变异处理，得到第三药品组合，再根据所述第一适应度获取第三药品组合；

获取所述第三药品组合的第二适应度;最后根据所述第二适应度确定所述待推荐药品组合。

2.如权利要求1所述的药品组合的推荐方法，其特征在于，所述获取各个第一药品组合的购买概率的步骤包括：

获取各个所述第一药品组合的相似度；

根据所述相似度获取各个所述第一药品组合的购买概率。

3.如权利要求1所述的药品组合的推荐方法，其特征在于，所述获取各个第一药品组合的购买概率的步骤之前，还包括：

在获取到用户交易数据时，获取所述用户交易数据中各个第二药品组合的关联系数，所述第二药品组合的数量大于或等于所述第一药品组合的数量；

判断所述关联系数是否大于预设阈值；

在所述关联系数大于所述预设阈值时，将所述关联系数对应的第二药品组合作为所述第一药品组合，并执行所述获取各个第一药品组合的购买概率的步骤。

4.如权利要求1所述的药品组合的推荐方法，其特征在于，所述利用随机数发生器对所述第五药品组合进行变异处理的步骤之前，还包括：

获取所述随机数发生器生成的数值；

在所述数值处于预设范围时，执行所述利用随机数发生器对所述第五药品组合进行变异处理的步骤。

5.一种药品组合的推荐装置，其特征在于，所述药品组合的推荐装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的药品组合的推荐程序，所述药品组合的推荐程序被所述处理器执行时实现如权利要求1至4中任一项所述的药品组合的推荐方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有药品组合的推荐程序，所药品组合的推荐程序被处理器执行时实现如权利要求1至4中任一项所述的药品组合的推荐方法的步骤。

Images