CN112397175A - 一种购药提醒方法和装置 - Google Patents

一种购药提醒方法和装置 Download PDF

Info

Publication number
CN112397175A
CN112397175A CN202110065916.5A CN202110065916A CN112397175A CN 112397175 A CN112397175 A CN 112397175A CN 202110065916 A CN202110065916 A CN 202110065916A CN 112397175 A CN112397175 A CN 112397175A
Authority
CN
China
Prior art keywords
medicine
target
time
purchase
purchased
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110065916.5A
Other languages
English (en)
Other versions
CN112397175B (zh
Inventor
尹吉澧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ali Health Technology Hangzhou Co ltd
Original Assignee
Ali Health Technology Hangzhou Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ali Health Technology Hangzhou Co ltd filed Critical Ali Health Technology Hangzhou Co ltd
Priority to CN202110065916.5A priority Critical patent/CN112397175B/zh
Publication of CN112397175A publication Critical patent/CN112397175A/zh
Application granted granted Critical
Publication of CN112397175B publication Critical patent/CN112397175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提供了一种购药提醒方法和装置，其中，该方法包括：获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；根据所述用药结束时间，对所述目标用户进行购药提醒。通过上述方案解决了现有的购药时间预测的准确性较低的问题，达到了有效提升预测准确性的技术效果。

Description

一种购药提醒方法和装置
技术领域
本申请属于互联网医疗数据处理技术领域，尤其涉及一种购药提醒方法和装置。
背景技术
随着互联网技术和电商技术的不断发展，越来越多的人通过电商平台购买药品。然而，针对同一用户而言，用户的购药行为数据的数据量是很少的，如果仅基于用户的历史行为数据，例如：购药数据、访问药品信息的数据和加购数据等，来预测用户下次购药的时间，预测结果的准确性较低。
针对如何准确预测用户的购药时间，目前尚未提出有效的解决方案。
发明内容
本申请目的在于提供一种购药提醒方法和装置，以提升对购药时间预测的准确性。
本申请提供一种购药提醒方法和装置是这样实现的：
一种购药提醒方法，包括：
获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
根据所述用药结束时间，对所述目标用户进行购药提醒。
一种购药提醒装置，包括：
获取模块，用于获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
确定模块，用于根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
提醒模块，用于根据所述用药结束时间，对所述目标用户进行购药提醒。
一种终端设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现如下方法的步骤：
获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
根据所述用药结束时间，对所述目标用户进行购药提醒。
一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现如下方法的步骤：
获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
根据所述用药结束时间，对所述目标用户进行购药提醒。
本申请提供的购药提醒方法装置，通过目标药品的购销信息，以及目标药品的用量信息，来确定目标用户已购目标药品的用药结束时间。因为面向的购买对象是药品，药品与一般的商品对象是不同的，药品有着相对确定的每日用量且需要持续购买的，因此，在预测用药结束时间或者是复购时间的时候，结合药品的用量信息，可以确定出更为精准的复购时间，以便更为准确地进行购药提醒，实现对药品的有效推广。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的购药提醒方法的一种实施例的方法流程图；
图2是本申请提供的购药时间的确定方法的一种实施例的方法流程图；
图3是本申请提供的购药时间的预测方法的方法流程图；
图4是本申请提供一种购药提醒方法的计算机终端的硬件结构框图；
图5是本申请提供的购药提醒装置的一种实施例的结构框图；
图6是本申请提供的购药时间的确定装置的一种实施例的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
现有的仅是基于用户的购药数据、访问药品信息的数据和加购数据等，来预测用户下次购药的时间，这种预测方式针对药品这种特殊商品而言，准确性较低。考虑到药品本身的特性，尤其针对慢性病的用药，用户在服用药品的时候，是定时定量服用的，且是长期服用的，慢性病的药是会存在一个较为稳定的消耗和复购过程。因此，每次买药的可持续用药时长是一个可以估算的值，例如，可以根据目标药品的用量信息和单次购买的量来确定。因此，可以基于目标药品的购销信息和用量信息，来确定已购药物的可持续用药时间，从而确定出已购目标药品的用药结束时间。
基于此，在本例中提供了一种购药提醒方法，如图1所示，可以包括如下步骤：
步骤101：获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
即，在实际执行的时候，可以根据实际需求和情况，确定是仅获取当前目标用户的历史购买记录，还是获取目标药品的多个用户的购买记录（即，目标药品的历史销售数据）。
例如：获取用户1的历史购买记录：在20200501下订单A药品8盒，在20200618下订单A药品4盒，在20200618第二次下订单A药品16盒，在20200818下订单A药品8盒。用户2的历史购买记录在20200801下订单A药品（SPU1）4盒，20200909下订单A药品（SPU2）4盒。
步骤102：根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
步骤103：根据所述用药结束时间，对所述目标用户进行购药提醒。
在进行购药提醒的时候，可以将确定的所述目标用户已购目标药品的用药结束时间作为目标时间；在所述目标时间之前的预设时间内，向所述目标用户发送购药提醒。例如，在预测的用药结束时间之前的一天或者两天，进行提醒，这样用户可以通过这两天再次购买药品，以防止药品接不上，导致无法正常用药。
为了实现更为高效的购药提醒，使得用户打开用药提醒可以更为清楚的知道是什么样的提醒信息，可以获取所述目标药品的基础信息，其中，所述基础信息可以包括但不限于以下至少之一：名称、服用信息、主治信息；将所述基础信息和所述用药结束时间，通过预设的消息发送渠道，发送给所述目标用户。例如，可以通过购药应用中的通知消息，或者是，短信等方式，将提醒信息推送给用户。且为了方便用户进行复购，在提醒信息中可以携带购药链接，从而更有利于促进用户复购，提高召回率。
其中，上述目标药品单位量的可用时长可以是根据目标药品的规则数据和服用量数据计算得到的，例如： A药品的使用说明是：一日三次，一次2～4粒，规格说明是：一盒2板，每板12粒。那么，总量=2(板)*12(粒/板) = 24粒，每天平均用量=2(次) * (2+4)/2(粒/次) = 6 粒，每盒的平均用药时间=24(粒)/6(粒/天)=4天。
具体的，在根据所述目标药品的销售信息和所述目标药品单位量的可用时长，确定所述目标用户已购目标药品的用药结束时间的时候，可以是按照不同维度计算的：
例如，可以获取所述历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定各购药时间点所购药品的用药结束时间；将各购药时间点所购药品的用药结束时间进行合并，得到目标用户已购目标药品的用药结束时间。
即，可以根据用户自身的购药情况（购药频率、每次购药的量等），来确定目标用户已购目标药品的用药结束时间。
举例而言，用户1在20200501下订单A药品8盒，在20200618下订单A药品4盒，在20200618第二次下订单A药品16盒，在20200818下订单A药品8盒。单次用药结束时间=当前订单时间+单次购药用户持续用药时长。那么，第1次用药的结束时间=20200501+32天=20200602，第2次用药的结束时间=20200618+16天=20200704，第3次用药的结束时间=20200618+64天=20200821，第4次用药的结束时间=20200818+32天=20200919。
对上述四次购药的用药结束时间进行合并处理，因第1次用药结束时间早于第2次用药的开始时间，因此，舍弃第一次用药结束时间，第2次用药结束时间晚于第3次用药的开始时间，因此，合并，开始日期=min(20200618, 20200618)=20200618，结束日期=开始日期+累计用户持续用药时长=20200618+(16天+64天)=20200906，合并后的用药结束时间为20200906晚于第4次用药的开始时间，所以继续合并。开始日期=min(20200618,20200818)=20200618，结束日期=开始日期+累计用户持续用药时长=20200618+(16天+64天+32天)=20201018，因此，可以得到用户1总的用药结束时间t1=20201018。即，根据用户自身的购药情况（购药频率、每次购药的量等），确定出目标用户已购目标药品的用药结束时间为20201018。
进一步的，考虑到在实际的购药过程中，用户有时也不是每天都能想到用药的，有时可能会忘记用药等等，针对这种因素，可以进行考虑，从而提升确定的购药时间的准确性。为此，可以获取所述历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定相邻两次购药时间点的差值和所购药品的用药结束时间差值；将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量；根据所述历史购买记录中最后一次购药所购药品量，和所述目标药品单位量的可用时长，确定最后一次所购药品的可用时长；根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述历史购买记录中最后一次购药的购药时间点，确定目标用户已购目标药品的用药结束时间。
即，基于用户的购药间隔作为修正基础，来确定更为准确的用药结束时间。
举例而言，假设用户1最近一次购买时间为t0，第i次购买后的dot（治疗持续时间，Duration Of Therapy）为dot_i，第i次购买到第i+1次购买的时间间隔为time_interval_i，计算新的结束时间t2=t0+dot_n+ dot_n*AVG((time_interval_i-dot_i)/dot_i)，1<=j<n，如果相邻两次购买时间接近（例如：时间间隔 < 1/4 dot)，那么进行合并计算。例如：用户1在20200501下订单A药品8盒，在20200618下订单A药品4盒，在20200618第二次下订单A药品16盒，在20200818下订单A药品8盒。那么，第1次下单与第2次下单间隔48天，与第1次下单的单次dot的差值=48天-32天=16天，每天差值=16天/dot=0.5；第3次下单与第2次下单间隔0天，第2次下单的单次dot为16天，因为0天< 1/4 *dot = 4天，因此，将这两次下单进行合并计算，dot=16天+64天=80天，起始时间为20200618；第4次下单与20200618间隔61天，与dot的差值=61天-80天=-19天，每天差值=-16天/80=-0.38；
第4次dot时间为32天，修正后的dot时间=dot_n*AVG((time_interval_i-dot_i)/dot_i)=32天+32天*(0.5-0.38)/2=32天+1.92天=34天，因此，结束日期t2=开始日期+修正后的dot时间=20200818+34天=20200921。
在实现计算的时候，考虑到可以结合其它用户的购药间隔信息作为参考，这样可以提升预测结果的准确性。具体的。根据所述历史购买记录和所述目标药品单位量的可用时长，确定目标用户已购目标药品的用药结束时间，可以包括：获取所述目标药品的销售记录；根据所述销售记录，确定多个参考用户的历史购买记录；从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定多个参考用户中各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值；根据所述目标用户和各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，确定单日修正标准量；根据所述目标用户最后一次购药所购药品量，和所述目标药品单位量的可用时长，确定最后一次所购药品的可用时长；根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述目标用户最后一次购药的购药时间点，确定目标用户已购目标药品的用药结束时间。
举例而言，基于多个用户的购药间隔确定出的目标用户的购药时间为：
t3=t0+dot_n+dot_n*MEDIAN((time_interval_j-dot_j)/dot_j)，1<=j<M，M为这个SPU（Standard Product Unit，标准产品单元）下所有用户的下单数目。
例如：A药品的SPU1为一日三次，一次2～4粒，一盒2板，每板12粒；A药品的SPU2为一日三次，一次2～4粒，一盒4板，每板12粒；
一共有四个用户购买过A药品，购买详情为：
用户1：在20200501下订单A药品（SPU1）8盒，20200618下订单A药品（SPU1）4盒，20200618第二次下订单A药品（SPU1）16盒，20200818下订单A药品（SPU1）8盒；用户1的下单间隔和dot每天的差值分别为0.5天和-0.38天；
用户2：在20200801下订单A药品（SPU1）4盒，20200909下订单A药品（SPU2）4盒；用户2的下单间隔和dot每天的差值为(time_interval_i-dot_i)/dot_i = ( 39天-16天) / 16天= 1.43；
用户3：在20200901下订单A药品（SPU2）4盒，因用户3只有一次购买行为，因此不参与计算；
用户4：在20200808下订单A药品（SPU2）1盒，在20200820下订单A药品（SPU2）2盒，在20201001下订单A药品（SPU2）2盒；用户4的下单间隔和dot每天的差值分别为： (12天-8天)/8天=0.5天，(42天-16天)/16天= 1.625天。
为了避免奇异值的影响，可以取0.5, -0.38, 1.43, 0.5, 1.625的中位数为0.5作为修正值。
因此，用户1的用药结束日期t3=开始日期+修正后的dot时间=20200818+32天+32天*0.5=20201003。
在实际实现的时候，可以根据多个用户的购药时间间隔来预测目标用户的购药时间，例如，可以获取所述目标药品的销售记录；根据所述销售记录，确定多个参考用户的历史购买记录；从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点；根据各参考用户购买目标药品的时间点，确定各参考用户购买目标药品的时间间隔；根据各参考用户购买目标药品的时间间隔，确定目标间隔；根据所述目标用户最后一次购药的购药时间点加上所述目标间隔作为第一目标时间；根据所述目标用户最后一次购药的购药时间点，加上最后一次购药的购药量与所述目标药品单位量的可用时长，作为第二目标时间；对所述第一目标时间和所述第二目标时间进行线性加权，得到所述目标用户已购目标药品的用药结束时间。考虑到在实际场景中，会存在奇异值，即，有些用户可能间隔太久或者间隔太短，如果采用平均值的概念，会因为这些奇异值的存在导致数据准确性不高，为此，可以采取取中位数的方式，即，根据各参考用户购买目标药品的时间间隔，确定目标间隔，可以是取各参考用户购买目标药品的时间间隔的中位数，作为所述目标间隔。
在确定目标用户已购目标药品的用药结束时间之后，可以应用在具体的使用场景中，例如：将确定的所述目标用户已购目标药品的用药结束时间作为目标时间，在所述目标时间之前的预设时间内，向所述目标用户发送购药提醒。举例而言，确定出用户1下次的购药时间为2020年10月15日，那么可以提前一周，向用户发送推送消息，以提醒用户购药。例如，可以通过短信消息、应用消息、公共号消息等向用户进行购药提醒。然而，值得注意的是，具体采用哪种方式推送提醒，或者采用提前多久的方式进行提醒，都可以根据实际情况和需求设定，本申请对此不作限定。
上述的目标药品可以是与电商平台签约的慢性药药品，即，与平台签约后，可以通过这种方式对该慢行药品进行推广。
在本例中，还提供了一种购药时间的确定方法，如图2所示，可以包括如下步骤：
步骤201：获取目标药品的购销信息和用量信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
步骤202：根据所述目标药品的购销信息和所述目标药品的用量信息，确定出多个预测结束时间；
步骤203：根据多个预测结束时间得到所述目标用户已购目标药品的用药结束时间。
即，在上例中根据目标药品的购销信息和所述目标药品的用量信息，可以得到多个预测购买时间，然后，基于多个预测购买时间，来确定目标用户已购目标药品的用药结束时间，因为是多个维度的时间整合，因此，可以提升预测结果的准确度。
在实际实现的时候，根据多个预测购买时间，确定所述目标用户已购目标药品的用药结束时间，可以是调取预先建立的购买时间预测模型；将所述多个预测购买时间，输入至所述预测模型中，得到所述目标用户已购目标药品的用药结束时间。即，通过建立预测模型的方式，将多个预测时间都输入到预测模型中，然后得到最终的更为准确的预测时间。
或者，也可以是对所述多个预测购买时间进行线性加权，得到所述目标用户已购目标药品的用药结束时间。
例如：t1、t2、t3、t4分别为20201018、20200921、20201003、20200929。
对t1、t2、t3、t4进行线性加权，可以得到最终的预测购买时间 = 20200101+((t1-20200101) +(t2-20200101)+(t3-20200101)+(t4-20200101))/4=20201002。
在实际实现的时候，可以通过以上t1、t2、t3、t4中的一个确定最终的预测购买时间，也可以通过t1、t2、t3、t4中的多个确定最终的预测购买时间，相对而言，参与计算的参数越多，准确性就相对越高一些。进一步的，可以通过上述线性加权的方式计算最终的预测购买时间，也可以是将t1、t2、t3、t4输入到预设的购买时间预测模型中，进行训练和预测，具体采用哪种方式可以根据实际需要设定，本申请对此不作限定。
下面结合一个具体实施例对上述方法进行说明，然而，值得注意的是，该具体实施例仅是为了更好地说明本申请，并不构成对本申请的不当限定。
如图3所示，在本例中提供了一种预测用户购药时间的方法，可以包括如下步骤：
S1：提取单盒药品的规格和用药说明信息，根据规格和用药说明信息，确定出该药平均一盒的用药时间：
其中，每盒的平均用药时间=总量/每天用量。
例如：A药品的使用说明是：一日三次，一次2～4粒，规格说明是：一盒2板，每板12粒。
那么，总量=2(板)*12(粒/板) = 24粒，每天平均用量=2(次) * (2+4)/2(粒/次)= 6 粒，每盒的平均用药时间=24(粒)/6(粒/天)=4天。
S2：计算用户每次订单产生的dot（用户持续用药时长）：
其中，每次订单产生的dot=每盒用药时间*盒数。
例如：用户单次下订单A药品8盒，那么单次dot = 每盒用药时间*盒数=8(盒)*4(天/盒) = 32天。
S3：分别计算出单次用药结束时间，并将用户的所有用药区间进行合并叠加，以确定用药结束时间t1。
例如：用户1在20200501下订单A药品8盒，在20200618下订单A药品4盒，在20200618第二次下订单A药品16盒，在20200818下订单A药品8盒。
单次用药结束时间=当前订单时间+单次dot
那么，第1次用药的结束时间=20200501+32天=20200602
第2次用药的结束时间=20200618+16天=20200704
第3次用药的结束时间=20200618+64天=20200821
第4次用药的结束时间=20200818+32天=20200919
对上述四次购药的用药结束时间进行合并处理，因，第1次用药结束时间早于第2次用药的开始时间，因此，舍弃第一次用药结束时间，第2次用药结束时间晚于第3次用药的开始时间，因此，合并，开始日期=min(20200618, 20200618)=20200618，结束日期=开始日期+累计dot=20200618+(16天+64天)=20200906，合并后的用药结束时间为20200906晚于第4次用药的开始时间，所以继续合并。
开始日期=min(20200618,20200818)=20200618，结束日期=开始日期+累计dot=20200618+(16天+64天+32天)=20201018，因此，可以得到用户1总的用药结束时间t1=20201018。
S4：利用历史用户购买时间间隔对t1进行修正。
假设用户1最近一次购买时间为t0，第i次购买后的dot为dot_i，第i次购买到第i+1次购买的时间间隔为time_interval_i，计算新的结束时间t2=t0+dot_n+ dot_n*AVG((time_interval_i-dot_i)/dot_i)，1<=j<n，如果相邻两次购买时间接近（例如：时间间隔< 1/4 dot)，那么进行合并计算。
例如：用户1在20200501下订单A药品8盒，在20200618下订单A药品4盒，在20200618第二次下订单A药品16盒，在20200818下订单A药品8盒。
那么，第1次下单与第2次下单间隔48天，与第1次下单的单次dot的差值=48天-32天=16天，每天差值=16天/dot=0.5；
第3次下单与第2次下单间隔0天，第2次下单的单次dot为16天，因为0天< 1/4 *dot =4天，因此，将这两次下单进行合并计算，dot=16天+64天=80天，起始时间为20200618；
第4次下单与20200618间隔61天，与dot的差值=61天-80天=-19天，每天差值=-16天/80=-0.38；
第4次dot时间为32天，修正后的dot时间=dot_n*AVG((time_interval_i-dot_i)/dot_i)=32天+32天*(0.5-0.38)/2=32天+1.92天=34天
因此，结束日期t2=开始日期+修正后的dot时间=20200818+34天=20200921。
S5：利用药品维度的平均用户购买时间间隔对t1进行修正得到t3：
t3=t0+dot_n+dot_n*MEDIAN((time_interval_j-dot_j)/dot_j)，1<=j<M，M为这个SPU（Standard Product Unit，标准产品单元）下所有用户的下单数目。
例如：A药品的SPU1为一日三次，一次2～4粒，一盒2板，每板12粒；
A药品的SPU2为一日三次，一次2～4粒，一盒4板，每板12粒；
一共有四个用户购买过A药品，购买详情为：
用户1：在20200501下订单A药品（SPU1）8盒，20200618下订单A药品（SPU1）4盒，20200618第二次下订单A药品（SPU1）16盒，20200818下订单A药品（SPU1）8盒；
用户1的下单间隔和dot每天的差值分别为0.5天和-0.38天；
用户2：在20200801下订单A药品（SPU1）4盒，20200909下订单A药品（SPU2）4盒；
用户2的下单间隔和dot每天的差值为(time_interval_i-dot_i)/dot_i = ( 39天-16天) / 16天 = 1.43；
用户3：在20200901下订单A药品（SPU2）4盒，因用户3只有一次购买行为，因此不参与计算。
用户4：在20200808下订单A药品（SPU2）1盒，在20200820下订单A药品（SPU2）2盒，在20201001下订单A药品（SPU2）2盒；
用户4的下单间隔和dot每天的差值分别为： (12天-8天) /8天=0.5天，(42天-16天)/16天= 1.625天。
取0.5, -0.38, 1.43, 0.5, 1.625的中位数为0.5。
因此，用户1的用药结束日期t3=开始日期+修正后的dot时间=20200818+32天+32天*0.5=20201003。
S6：利用药品维度的平均用户购买时间间隔直接预估结束时间t4，其中，t4=开始时间+MEDIAN(time_interval_i) 。
用户1：在20200501下订单A药品（SPU1）8盒，20200618下订单A药品（SPU1）4盒，20200618第二次下订单A药品（SPU1）16盒，20200818下订单A药品（SPU1）8盒；
用户2：在20200801下订单A药品（SPU1）4盒，20200909下订单A药品（SPU2）4盒；
用户3：在20200901下订单A药品（SPU2）4盒。
用户4：在20200808下订单A药品（SPU2）1盒，在20200820下订单A药品（SPU2）2盒，在20201001下订单A药品（SPU2）2盒；
那么，用户1的购买时间间隔分别为48天和61天；用户2的购买时间间隔分别为39天；用户3的购买时间间隔无；用户4的购买时间间隔分别为12天和42天；。
由此可见，购买时间间隔的中位数为42。
因此，用户1的用药结束日期：
t4=开始日期+MEDIAN(time_interval_i)=20200818+42=20200929。
S7：将t1、t2、t3、t4进行线性加权，作为最终的预测购买时间。
经由上述计算可得，t1、t2、t3、t4分别为20201018、20200921、20201003、20200929。
对t1、t2、t3、t4进行线性加权，可以得到最终的预测购买时间 = 20200101+((t1-20200101) +(t2-20200101)+(t3-20200101)+(t4-20200101))/4=20201002。
在实际实现的时候，可以通过以上t1、t2、t3、t4中的一个确定最终的预测购买时间，也可以通过t1、t2、t3、t4中的多个确定最终的预测购买时间，相对而言，参与计算的参数越多，准确性就相对越高一些。进一步的，可以通过上述线性加权的方式计算最终的预测购买时间，也可以是将t1、t2、t3、t4输入到预设的购买时间预测模型中，进行训练和预测，具体采用哪种方式可以根据实际需要设定，本申请对此不作限定。
即，在上例中，基于药品的用药说明信息计算出单盒dot，因为是药品本身固有的属性，因此，不会受到用户行为的影响。进一步的，融合dot和购买间隔时间，以及多个不同粒度进行数据的合并分析，可以增加时间预测结果的准确性。
本申请上述实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图4是本申请提供一种购药提醒方法的计算机终端的硬件结构框图。如图4所示，计算机终端10可以包括一个或多个（图中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器104、以及用于通信功能的传输模块106。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的购药提醒方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的购药提醒方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输模块106包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块106可以为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
在软件层面，上述装置可以如图5所示，包括：
获取模块501，用于获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
确定模块502，用于根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
提醒模块503，用于根据所述用药结束时间，对所述目标用户进行购药提醒。
在一个实施方式中，上述确定模块502具体可以用于根据所述目标药品的购销信息和所述目标药品的用量信息，确定出多个预测结束时间；对所述多个预测结束时间进行线性加权，得到所述目标用户已购目标药品的用药结束时间。
在一个实施方式中，上述确定模块502具体可以用于获取所述目标用户对目标药品的历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品的用量信息（其中，用量信息可以确定出单位量的可用时长），确定各购药时间点所购药品的用药结束时间；将各购药时间点所购药品的用药结束时间进行合并，得到第一预测结束时间。
在一个实施方式中，上述确定模块502具体可以用于获取所述目标用户对目标药品的历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定相邻两次购药时间点的差值和所购药品的用药结束时间差值；将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量；根据所述历史购买记录中最后一次购药所购药品量，和所述目标药品的用量信息，确定最后一次所购药品的可用时长；根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述历史购买记录中最后一次购药的购药时间点，得到第二预测结束时间。
在一个实施方式中，将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量，可以包括：在存在多个比值的情况下，取所述多个比值的中位数，作为所述单日修正标准量。
在一个实施方式中，上述确定模块502具体可以用于根据所述目标药品的历史销售数据，确定多个参考用户的历史购买记录；从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品的用量信息长，确定多个参考用户中各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值；根据所述目标用户和各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，确定单日修正标准量；根据所述目标用户最后一次购药所购药品量，和所述目标药品的用量信息，确定最后一次所购药品的可用时长；根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述目标用户最后一次购药的购药时间点，得到第三预测结束时间。
在一个实施方式中，上述确定模块502具体可以用于根据所述目标药品的历史销售数据，确定多个参考用户的历史购买记录；从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点；根据各参考用户购买目标药品的时间点，确定各参考用户购买目标药品的时间间隔；根据各参考用户购买目标药品的时间间隔，确定目标间隔；根据所述目标用户最后一次购药的购药时间点加上所述目标间隔作为第四预测结束时间。
在一个实施方式中，上述提醒模块503具体可以用于将确定的所述目标用户已购目标药品的用药结束时间作为目标时间；在所述目标时间之前的预设时间内，向所述目标用户发送购药提醒。
在一个实施方式中，上述提醒模块503具体可以用于获取所述目标药品的基础信息，其中，所述基础信息包括以下至少之一：名称、服用信息、主治信息；将所述基础信息和所述用药结束时间，通过预设的消息发送渠道，发送给所述目标用户。
在软件层面，还提供了一种购药时间的确定装置，如图6所示，可以包括：
获取模块601，用于获取目标用户对目标药品的历史购买记录、所述目标药品的历史销售数据和所述目标药品单位量的可用时长；
计算模块602，用于根据目标用户对目标药品的历史购买记录、所述目标药品的历史销售数据和所述目标药品单位量的可用时长，得到多个预测购买时间；
确定模块603，用于根据多个预测购买时间，确定所述目标用户已购目标药品的用药结束时间。
在一个实施方式中，确定模块603具体可以调取预先建立的购买时间预测模型；将所述多个预测购买时间，输入至所述预测模型中，得到所述目标用户已购目标药品的用药结束时间。
在一个实施方式中，确定模块603具体可以对所述多个预测购买时间进行线性加权，得到所述目标用户已购目标药品的用药结束时间。
在一个实施方式中，计算模块602具体可以获取所述历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定各购药时间点所购药品的用药结束时间；将各购药时间点所购药品的用药结束时间进行合并，得到第一预测购买时间。
在一个实施方式中，计算模块602具体可以获取所述历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定相邻两次购药时间点的差值和所购药品的用药结束时间差值；将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量；根据所述历史购买记录中最后一次购药所购药品量，和所述目标药品单位量的可用时长，确定最后一次所购药品的可用时长；根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述历史购买记录中最后一次购药的购药时间点，得到第二预测购买时间。
在一个实施方式中，将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量，可以包括：在存在多个比值的情况下，取所述多个比值的中位数，作为所述单日修正标准量。
在一个实施方式中，计算模块602具体可以根据所述历史销售数据，确定多个参考用户的历史购买记录；从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点和各购药时间点所购药品的数量；根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品单位量的可用时长，确定多个参考用户中各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值；根据所述目标用户和各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，确定单日修正标准量；根据所述目标用户最后一次购药所购药品量，和所述目标药品单位量的可用时长，确定最后一次所购药品的可用时长；根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述目标用户最后一次购药的购药时间点，得到第三预测购买时间。
在一个实施方式中，计算模块602具体可以根据所述历史销售数据，确定多个参考用户的历史购买记录；从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点；根据各参考用户购买目标药品的时间点，确定各参考用户购买目标药品的时间间隔；根据各参考用户购买目标药品的时间间隔，确定目标间隔；根据所述目标用户最后一次购药的购药时间点加上所述目标间隔作为第四预测购买时间。
在一个实施方式中，获取模块601具体可以获取所述目标药品的规则数据和服用量数据；根据所述规则数据和服用量数据，确定所述目标药品单位量的可用时长。
本申请的实施例还提供能够实现上述实施例中的购药提醒方法中全部步骤的一种电子设备的具体实施方式，所述电子设备具体包括如下内容：处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的购药提醒方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤1：获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
步骤2：根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
步骤3：根据所述用药结束时间，对所述目标用户进行购药提醒。
从上述描述可知，本申请实施例通过目标药品的购销信息，以及目标药品的用量信息，来确定目标用户已购目标药品的用药结束时间。因为面向的购买对象是药品，药品与一般的商品对象是不同的，药品有着相对确定的每日用量且需要持续购买的，因此，在预测用药结束时间或者是复购时间的时候，结合药品的用量信息，可以确定出更为精准的复购时间，以便更为准确地进行购药提醒，实现对药品的有效推广。
本申请的实施例还提供能够实现上述实施例中的购药提醒方法中全部步骤的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计算机程序，该计算机程序被处理器执行时实现上述实施例中的购药提醒方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤1：获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
步骤2：根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
步骤3：根据所述用药结束时间，对所述目标用户进行购药提醒。
从上述描述可知，本申请实施例通过目标药品的购销信息，以及目标药品的用量信息，来确定目标用户已购目标药品的用药结束时间。因为面向的购买对象是药品，药品与一般的商品对象是不同的，药品有着相对确定的每日用量且需要持续购买的，因此，在预测用药结束时间或者是复购时间的时候，结合药品的用量信息，可以确定出更为精准的复购时间，以便更为准确地进行购药提醒，实现对药品的有效推广。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行（例如并行处理器或者多线程处理的环境）。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行（例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境）。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、产品或者设备不仅包括那些要素，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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。

Claims (12)

1.一种购药提醒方法，其特征在于，包括：
获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
根据所述用药结束时间，对所述目标用户进行购药提醒。
2.根据权利要求1所述的方法，其特征在于，根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间，包括：
根据所述目标药品的购销信息和所述目标药品的用量信息，确定出多个预测结束时间；
对所述多个预测结束时间进行线性加权，得到所述目标用户已购目标药品的用药结束时间。
3.根据权利要求2所述的方法，其特征在于，根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间，包括：
获取所述目标用户对目标药品的历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；
根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品的用量信息，确定各购药时间点所购药品的用药结束时间；
将各购药时间点所购药品的用药结束时间进行合并，得到第一预测结束时间。
4.根据权利要求2所述的方法，其特征在于，根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间，包括：
获取所述目标用户对目标药品的历史购买记录中购买目标药品的时间点和各购药时间点所购药品的数量；
根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品的用量信息，确定相邻两次购药时间点的差值和所购药品的用药结束时间差值；
将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量；
根据所述历史购买记录中最后一次购药所购药品量，和所述目标药品的用量信息，确定最后一次所购药品的可用时长；
根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述历史购买记录中最后一次购药的购药时间点，得到第二维度的预测结束时间。
5.根据权利要求4所述的方法，其特征在于，将相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，作为单日修正标准量，包括：
在存在多个比值的情况下，取所述多个比值的中位数，作为所述单日修正标准量。
6.根据权利要求2所述的方法，其特征在于，根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间，包括：
根据所述目标药品的历史销售数据，确定多个参考用户的历史购买记录；
从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点和各购药时间点所购药品的数量；
根据购买目标药品的时间点、各购药时间点所购药品的数量，以及所述目标药品的用量信息，确定多个参考用户中各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值；
根据所述目标用户和各参考用户相邻两次购药时间点的差值和所购药品的用药结束时间差值之间的比值，确定单日修正标准量；
根据所述目标用户最后一次购药所购药品量，和所述目标药品的用量信息，确定最后一次所购药品的可用时长；
根据所述最后一次所购药品的可用时长和单日修正标准量，以及所述目标用户最后一次购药的购药时间点，得到第三预测结束时间。
7.根据权利要求2所述的方法，其特征在于，根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间，包括：
根据所述目标药品的历史销售数据，确定多个参考用户的历史购买记录；
从所述多个参考用户的历史购买记录中获取各参考用户购买目标药品的时间点；
根据各参考用户购买目标药品的时间点，确定各参考用户购买目标药品的时间间隔；
根据各参考用户购买目标药品的时间间隔，确定目标间隔；
根据所述目标用户最后一次购药的购药时间点加上所述目标间隔作为第四维度的预测结束时间。
8.根据权利要求1所述的方法，其特征在于，根据所述用药结束时间，对所述目标用户进行购药提醒，包括：
将确定的所述目标用户已购目标药品的用药结束时间作为目标时间；
在所述目标时间之前的预设时间内，向所述目标用户发送购药提醒。
9.根据权利要求1所述的方法，其特征在于，根据所述用药结束时间，对所述目标用户进行购药提醒，包括：
获取所述目标药品的基础信息，其中，所述基础信息包括以下至少之一：名称、服用信息、主治信息；
将所述基础信息和所述用药结束时间，通过预设的消息发送渠道，发送给所述目标用户。
10.一种购药提醒装置，其特征在于，包括：
获取模块，用于获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
确定模块，用于根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
提醒模块，用于根据所述用药结束时间，对所述目标用户进行购药提醒。
11.一种终端设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现如下方法的步骤：
获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
根据所述用药结束时间，对所述目标用户进行购药提醒。
12.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现如下方法的步骤：
获取目标药品的购销信息，其中，所述目标药品的购销信息包括：目标药品的历史销售数据和/或目标用户对目标药品的历史购买记录；
根据所述目标药品的购销信息和所述目标药品的用量信息，确定所述目标用户已购目标药品的用药结束时间；
根据所述用药结束时间，对所述目标用户进行购药提醒。
CN202110065916.5A 2021-01-19 2021-01-19 一种购药提醒方法和装置 Active CN112397175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110065916.5A CN112397175B (zh) 2021-01-19 2021-01-19 一种购药提醒方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110065916.5A CN112397175B (zh) 2021-01-19 2021-01-19 一种购药提醒方法和装置

Publications (2)

Publication Number Publication Date
CN112397175A true CN112397175A (zh) 2021-02-23
CN112397175B CN112397175B (zh) 2021-06-18

Family

ID=74625368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110065916.5A Active CN112397175B (zh) 2021-01-19 2021-01-19 一种购药提醒方法和装置

Country Status (1)

Country Link
CN (1) CN112397175B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113948170A (zh) * 2021-08-18 2022-01-18 天津开心生活科技有限公司 一种治疗时长获取方法、装置、电子设备和存储介质
CN114628000A (zh) * 2022-02-24 2022-06-14 上海聚音信息科技有限公司 用药提示方法、用药提示装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855406A (zh) * 2012-09-14 2013-01-02 重庆市科学技术研究院 基于远程医疗系统和医嘱遵从性监测的智能购药系统
CN103578022A (zh) * 2012-07-19 2014-02-12 纽海信息技术（上海）有限公司 自动化网购装置及方法
US20170308949A1 (en) * 2016-04-26 2017-10-26 Microsoft Technology Licensing, Llc Emphasizing communication based on past interaction related to promoted items
CN111586169A (zh) * 2020-05-07 2020-08-25 苏宁云计算有限公司 一种商品营销信息推送方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578022A (zh) * 2012-07-19 2014-02-12 纽海信息技术（上海）有限公司 自动化网购装置及方法
CN102855406A (zh) * 2012-09-14 2013-01-02 重庆市科学技术研究院 基于远程医疗系统和医嘱遵从性监测的智能购药系统
US20170308949A1 (en) * 2016-04-26 2017-10-26 Microsoft Technology Licensing, Llc Emphasizing communication based on past interaction related to promoted items
CN111586169A (zh) * 2020-05-07 2020-08-25 苏宁云计算有限公司 一种商品营销信息推送方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113948170A (zh) * 2021-08-18 2022-01-18 天津开心生活科技有限公司 一种治疗时长获取方法、装置、电子设备和存储介质
CN114628000A (zh) * 2022-02-24 2022-06-14 上海聚音信息科技有限公司 用药提示方法、用药提示装置、设备和存储介质

Also Published As

Publication number Publication date
CN112397175B (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112397175B (zh) 一种购药提醒方法和装置
TWI777004B (zh) 營銷資訊的推送設備、裝置及儲存媒體
CN110162292B (zh) 语音播报方法及装置
CN111880927B (zh) 一种资源分配方法、装置及设备
CN109391680B (zh) 一种定时任务数据处理方法、装置及系统
CN107193718A (zh) 一种充电提醒方法、系统及终端设备
CN107506017A (zh) 充电提醒方法及装置、电子设备和计算机可读存储介质
CN106257507B (zh) 用户行为的风险评估方法及装置
CN111008327A (zh) 一种在阅读应用中进行书籍推送的方法与设备
CN108648006B (zh) 店铺推荐方法及装置
CN115363959A (zh) 一种用药提醒方法和装置、显示方法
CN110719360B (zh) 备忘事件的自动生成方法、装置以及存储装置
CN111143546A (zh) 一种获得推荐语的方法、装置及电子设备
CN110322139A (zh) 策略推荐方法及装置
CN113807888B (zh) 营销处理方法及装置
CN111352793A (zh) 一种监测应用使用数据的方法及装置
CN114155043A (zh) 一种基于区块链的医用品的成本核算方法及装置
CN112402258B (zh) 一种用药提醒方法和装置
CN112581294A (zh) 一种理赔和服务权益数据处理方法及装置
CN113241170A (zh) 一种在线问诊方法、服务器和终端设备
CN112581150A (zh) 一种信息管理方法、装置、设备及存储介质
CN109993501B (zh) 需求过程的管理方法、装置、存储介质及电子设备
US11232420B2 (en) Method and device for voice broadcast
CN112308261B (zh) 项目处理方法及装置
CN114792257B (zh) 物品流转信息生成方法、流转预测信息生成方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant