具体实施方式

为使本申请的所述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例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，都属于本申请保护的范围。

需要说明的是，在本发明任一实施例中用户提供精准的用药信息。

参照图1，示出了本申请一实施例提供的一种智能用药推荐方法，所述方法包括：

S110、通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系；

S120、提取药品说明书中的症状关键词和药品名称关键词，并通过所述第一模型建立药品与症状的第一关系；

S130、提取所述药品说明书中的疾病关键词和所述药品名称关键词，并通过所述第二模型建立所述药品与疾病的第二关系；

S140、提取症状描述中的所述症状关键词与所述疾病关键词，并通过所述第三模型建立所述疾病与所述症状的第三关系；

S150、依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件；

S160、获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息。

在本申请的实施例中，通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系；提取药品说明书中的症状关键词和药品名称关键词，并通过所述第一模型建立药品与症状的第一关系；提取所述药品说明书中的疾病关键词和所述药品名称关键词，并通过所述第二模型建立所述药品与疾病的第二关系；提取症状描述中的所述症状关键词与所述疾病关键词，并通过所述第三模型建立所述疾病与所述症状的第三关系；依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件；获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息。通过人工智能技术开发了对应的智能系统来帮助医疗系统提高效率，来辅助药师给顾客提供精准的用药服务，解决药师回答不够精准和全面的问题，也解决药师人手不足的问题，帮助患者购买药品。

下面，将对本示例性实施例中一种智能用药推荐方法作进一步地说明。

如所述步骤S110所述，通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系；

在本发明一实施例中，可以结合下列描述进一步说明步骤S110所述“通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系”的具体过程。

如所述步骤S110所述，所述人工智能模型依据说明书中的症状关键词、药品名称关键词、疾病关键词以及症状描述中的所述症状关键词、所述疾病关键词等建立药品、疾病和症状之间的第一关系、第二关系和第三关系。

需要说明的是，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

在本发明一实施例中，可以结合下列描述进一步说明步骤S110所述“通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系”的具体过程。

如所述步骤S110所述，还包括通过人工智能模型建立药品、疾病、症状、使用人群和注意事项之间的对应关系；其中，人工智能模型还包括第四模型、第五模型、第六模型、第七模型和第八模型；所述对应关系还包括第四关系、第五关系、第六关系和第七关系和第八关系。

在本发明一实施例中，可以结合下列描述进一步说明步骤S120所述“提取药品说明书中的症状关键词和药品名称关键词，并通过所述第一模型建立药品与症状的第一关系”的具体过程。

如所述步骤S120所述，对所述药品说明书中适应症中的症状和药品名称进行关键词提取得到第一关键词；将所述第一关键词中的相同含义的症状转化成标准症状名得到所述症状关键词；将所述第一关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词；通过所述第一模型建立药品与症状的第一关系；具体地，将症状关键词和药品名称关键词输入第一模型，建立药品与症状的第一关系。

作为一种示例，所述对所述药品说明书中适应症中的症状和药品名称进行关键词提取得到第一关键词是通过命名实体识别算法实现，所述命名实体识别算法是基于单词或字符的方法对句子进行分词，最终识别句子中实体的算法。

需要说明的是，药品说明书中适应症包括药品说明书中的功能主治、功能与主治，因按国家规定，化学制剂等西药产品均需在其说明书或标签上注明“适应症”，中药产品需在其说明书标签上注明“功能与主治”或“功能主治”。

作为一种示例，所述命名实体识别算法的实现方法可以为下列方法：(1)基于单词的方法首先会利用分词模型对句子分词，然后把分好的单词序列传递到NER(Named EntityRecognition，命名实体识别，简称NER)模型中预测实体。(2)基于字符的方法不对句子分词，每一个token(计算机术语，在计算机身份认证中是令牌的意思，在词法分析中是标记的意思)就是一个汉字，直接将token序列传递到NER模型预测实体。命名实体一般指的是文本中具有特定意义或者指代性强的实体，通常包括人名、地名、组织机构名、日期时间、专有名词等。NER系统就是从非结构化的输入文本中抽取出上述实体，并且可以按照业务需求识别出更多类别的实体，比如产品名称、型号、价格等。因此实体这个概念可以很广，只要是业务需要的特殊文本片段都可以称为实体。(3)利用词典匹配句子中的单词，然后构造出字符和单词的网格(Lattice)。Lattice LSTM(Long Short-Term Memory，是一种时间循环神经网络)的神经元会同时接收字符和单词的信息，自动选择合适的字符或单词。

在本发明一实施例中，可以结合下列描述进一步说明步骤所述“将所述第一关键词中的相同含义的症状转化成标准症状名得到所述症状关键词”的具体过程。

在本发明一实施例中，将所述第一关键词中的相同含义的症状转化成标准症状名得到所述症状关键词是通过同义词处理算法；其中，同义词处理算法是建立同义词表，主要是构建医疗相关实体与各地该实体不同叫法的对应关系；建立词频表，主要是包括医疗相关的症状、疾病名称、药品名称和药品简称；建立停用词字典，停用词主要包括一些副词、形容词及其一些连接词；最后结合如上3个表数据将句子拆分成多个部分，将每一个部分与字典一一对应，如果该词语在词典中，分词成功，否则继续拆分匹配直到成功，进而识别句子的语义。

在本发明一实施例中，可以结合下列描述进一步说明步骤所述“将所述第一关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词”的具体过程。

在本发明一实施例中，将所述第一关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词是通过同义词处理算法。

在一具体实施例中，例如：硝苯地平缓释片说明书中【适应症】：用于治疗高血压、心绞痛；建立药品与症状的治疗关系：硝苯地平缓释片治疗心绞痛；即得出药品与症状的第一关系。

在本发明一实施例中，可以结合下列描述进一步说明步骤S130所述“提取所述药品说明书中的疾病关键词和所述药品名称关键词，并通过所述第二模型建立所述药品与疾病的第二关系”的具体过程。

如所述步骤S130所述，对所述药品说明书中适应症中的疾病和药品名称进行提取得到第二关键词；将所述第二关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词；将所述第二关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词；通过所述第二模型建立所述药品与疾病的第二关系；具体地，将疾病关键词和药品名称关键词输入第二模型，建立药品与疾病的第二关系。

作为一种示例，所述对所述药品说明书中适应症中的疾病和药品名称进行关键词提取得到第一关键词是通过命名实体识别算法实现，所述命名实体识别算法是基于单词或字符的方法对句子进行分词，最终识别句子中实体的算法。

需要说明的是，药品说明书中适应症包括药品说明书中的功能主治、功能与主治，因按国家规定，化学制剂等西药产品均需在其说明书或标签上注明“适应症”，中药产品需在其说明书标签上注明“功能与主治”或“功能主治”。

在本发明一实施例中，可以结合下列描述进一步说明步骤所述“将所述第二关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词”和“将所述第二关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词”的具体过程。

在本发明一实施例中，将所述第二关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词；将所述第二关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词，均是通过同义词处理算法。

在一具体实施例中，例如：硝苯地平缓释片说明书中【适应症】：用于治疗高血压、心绞痛；建立药品与疾病的治疗关系：硝苯地平缓释片治疗高血压；即得出药品与疾病的第二关系。

在本发明一实施例中，可以结合下列描述进一步说明步骤S140所述“提取症状描述中的所述症状关键词与所述疾病关键词，并通过所述第三模型建立所述疾病与所述症状的第三关系”的具体过程。

如所述步骤S140所述，对所述症状描述中所述疾病和所述疾病进行提取得到第三关键词；将所述第三关键词中的相同含义的症状转化成标准症状名称得到所述症状关键词；将所述第三关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词；将症状关键词与所述疾病关键词带人第三模型建立所述疾病与所述症状的第三关系。

作为一种示例，所述对所述症状描述中所述疾病和所述疾病进行提取得到第三关键词是通过命名实体识别算法实现，所述命名实体识别算法是基于单词或字符的方法对句子进行分词，最终识别句子中实体的算法。

在本发明一实施例中，可以结合下列描述进一步说明步骤所述“将所述第三关键词中的相同含义的症状转化成标准症状名称得到所述症状关键词”和“将所述第三关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词”的具体过程。

在本发明一实施例中，将所述第三关键词中的相同含义的症状转化成标准症状名称得到所述症状关键词；将所述第三关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词，均是通过同义词处理算法。

在一具体实施例中，例如：心脏病常见症状为心悸、心绞痛、呼吸困难、咳嗽咯血、胸痛或胸部不适等；依据建立症状与疾病的第三关系：心脏病症状为心悸、心绞痛、呼吸困难、咳嗽咯血、胸痛或胸部不适；即得出药品与疾病的第三关系。

在本发明一实施例中，提取所述药品说明书中药物相互作用关键词，并通过所述第四模型建立药品与药品的第四关系。

作为一种示例，对说明书中的药物相互作用采用命名实体识别算法和同义词处理算法处理再代入第四模型，得到药品与药品的第四关系；建立第四关系的原理与上述建立第一关系、第二关系以及第三关系的原理相同，在此不做重复赘述。

在一具体实施例中，根据说明书中的【药物相互作用】建立药品和药品的禁用关系，阿司匹林的说明书【药物相互作用】：抗酸药如碳酸氢钠等可增加本品自尿中的排泄，使血药浓度下降；阿司匹林与抗酸药不可同用，即第四关系。

在本发明一实施例中，提取所述药品说明书中使用人群关键词和所述药品名称关键词，并通过所述第五模型建立药品与使用人群的第五关系。建立第五关系的原理与上述建立第一关系、第二关系以及第三关系的原理相同，在此不做重复赘述。

在一具体实施例中，根据说明书中的【孕妇和哺乳期妇女用药】建立药品和使用人群的关系，例如：硝苯地平缓释片说明书【孕妇和哺乳期妇女用药】：孕妇禁用。即孕妇禁用硝苯地平缓释片为药品与使用人群的第五关系。

在本发明一实施例中，提取所述药品说明书中注意事项关键词和所述药品名称关键词，并通过所述第六模型建立药品与注意事项的第六关系；作为一种示例，建立第六关系的原理与上述建立第一关系、第二关系以及第三关系的原理相同，在此不做重复赘述。

在一具体实施例中，药品阿司匹林的【注意事项】本品为对症治疗药，用于解热连续使用不超过3天，用于止痛不超过5天，症状未缓解请咨询医师或药师。即使用阿司匹林用于解热连续使用不超过3天，用于止痛不超过5天，建立第六关系。

在本发明一实施例中，提取症状描述中所述症状关键词，并通过所述第七模型建立症状与症状的第七关系；作为一种示例，建立第七关系的原理与上述建立第一关系、第二关系以及第三关系的原理相同，在此不做重复赘述。

在本发明一实施例中，提取症状描述中所述疾病关键词，并通过所述第八模型建立疾病与疾病的第八关系；作为一种示例，建立第八关系的原理与上述建立第一关系、第二关系以及第三关系的原理相同，在此不做重复赘述。

在本发明一实施例中，依据所述第一关系、所述第二关系、所述第三关系、所述第四关系、所述第五关系、所述第六关系和所述第七关系和所述第八关系生成第二推荐用药条件。

作为一种示例，还包括通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型还包括第九模型；所述对应关系还包括第九关系；

作为一种示例，对所述药品说明书中不良反应、禁忌、注意事项中的疾病和药品名称进行提取得到第九关键词；将所述第九关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词；将所述第九关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词；并通过所述第九模型建立药品与疾病的禁用关系，即第九关系。

在一具体实施例中，根据说明书中的【不良反应】、【禁忌】和【注意事项】建立药品和疾病的禁用关系，建立的药品禁用关系：胸部疼痛下禁用硝苯地平缓释片、恶心禁用硝苯地平缓释片；建立的第九关系：高血压和心绞痛禁用硝苯地平缓释片。

在一具体实施例中，依据所述适应症建立所述药品和疾病的治疗关系，所述药品和症状的治疗关系；依据所述不良反应、所述用药禁忌和所述注意事项建立所述药品和疾病的禁用关系、药品和症状的禁用关系；依据所述药物相互作用建立所述药品和药品的关系；依据所述孕妇和哺乳期妇女用药和所述用药禁忌建立所述药品和使用人群的关系；依据所述标准症状名建立所述疾病和症状的关系、所述疾病和疾病的关系、所述症状和症状的关系；依据所述注意事项建立药品与注意事项的关系。

在本发明一实施例中，可以结合下列描述进一步说明步骤S150所述“依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件”的具体过程。

如所述步骤S150所述，依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件。

作为一种示例，还包括依据所述第一关系、所述第二关系、所述第三关系、第四关系、第五关系、第六关系和第七关系和第八关系生成第二推荐用药条件。

作为一种示例，还包括依据所述第一关系、所述第二关系、所述第三关系、第四关系、第五关系、第六关系和第七关系、第八关系和第九关系生成第三推荐用药条件。

在本发明一实施例中，可以结合下列描述进一步说明步骤S160所述“获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息”的具体过程。

如所述步骤S160所述，所述获取当前用户的当前症状信息、影响用药信息和历史购药信息的步骤之前，包括：获取当前用户的认证信息，依据所述认证信息判断预设会员库中是否有所述用户存在；若所述预设会员库中有所述用户存在，在所述预设会员库中调取所述用户的第一信息；若所述预设会员库中没有所述用户存在，获取所述用户的第二信息；依据所述第一信息或所述第二信息确定当前用户的所述影响用药的信息和所述历史购药信息；获取当前用户的所述当前症状信息。

在本发明一实施例中，可以结合下列描述进一步说明所述“所述依据所述第一信息或所述第二信息确定当前用户的所述影响用药的信息和所述历史购药信息”的具体过程。

如上述步骤所述，所述对所述第一信息或所述第二信息进行数据清洗和转换，再依据所述清洗和转换后的数据确定当前用户的所述影响用药的信息和所述历史购药信息。

在本发明一实施例中，可以结合下列描述进一步说明所述“获取所述用户的所述当前症状信息”的具体过程。

如上述步骤所述，获取当前用户的第一当前症状信息，对所述第一当前症状信息进行清洗和转换，得到当前用户的所述当前症状信息。

作为一种示例，所述获取当前用户的当前症状信息、影响用药信息和历史购药信息的过程采用语义识别算法，语义识别算法即人机交互时，识别用户意图，包括网页、文件、邮件、音频、论坛、社交媒体中的大量数据，应用领域广泛。既可以直接应用与医疗、教育、金融等行业。也可以通过技术接口应用于所有智能语音交互场景，如智能家居、车载语音、可穿戴设备、VR、机器人等，从交互的方式上，也可以分为：事实问答、知识检索、分类问题等。

在一具体实施例中，用户开始咨询时，先判断是否有用药人信息；如果有用药人信息，提取用药人信息的性别，年龄，疾病，症状，过敏史，禁忌等相关信息；如果没有用药人信息，需用户输入和选择疾病，症状，性别，年龄，过敏史，禁忌等相关信息。

在本发明一实施例中，可以结合下列描述进一步说明步骤S160所述“获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息”的具体过程。

如所述步骤S160所述，依据所述当前症状信息和所述推荐用药条件确定第一用药列表；依据所述影响用药信息对所述第一用药列表进行筛选得到第二用药列表；依据所述历史购药信息、所述第二用药列表和所述推荐用药条件确定所述当前用户的用药信息。

在本发明一实施例中，可以结合下列描述进一步说明步骤S160所述“依据所述历史购药信息、所述第二用药列表和所述推荐用药条件确定所述当前用户的用药信息”的具体过程。

在本发明一实施例中，依据所述历史购药信息对所述第二用药列表中的药物进行排序得到用药顺序表；依据所述用药顺序表和所述推荐用药条件确定用药注意事项；依据所述用药顺序表和所述用药注意事项得到所述当前用户的用药信息。

在一具体实施例中，系统根据用户提供的信息，利用构建好的推荐用药条件，一步步筛选出最合适的药品；最后结合用户购药历史对推荐用药条件推荐的药品进行优先级排序后推荐给用户选择。

作为一种示例，依据所述当前症状信息、所述影响用药信息、所述历史购药信息和所述第二推荐用药条件确定所述用户的用药信息的步骤，包括：依据所述当前症状信息和所述第二推荐用药条件确定第一用药列表；依据所述影响用药信息对所述第一用药列表进行筛选得到第二用药列表；依据所述历史购药信息、所述第二用药列表和所述第二推荐用药条件确定所述用户的用药信息。

在本发明一实施例中，可以结合下列描述进一步说明所述“所述依据所述历史购药信息、所述第二用药列表和所述第二推荐用药条件确定所述用户的用药信息”的具体过程。

在本发明一实施例中，依据所述历史购药信息对所述第二用药列表中的药物进行排序得到用药顺序表；依据所述用药顺序表和所述推荐用药条件确定用药注意事项；依据所述用药顺序表和所述用药注意事项得到所述当前用户的用药信息。

在一具体实施例中，结合图2和图3具体步骤如下：

(1)获取海量的药品说明和海量疾病症状描述；

(2)采用命名体识别算法和收集的实体共同识别药品说明书中的实体和实体的类别，采用同义词处理算法将相同含义的实体转化成标准实体名；同时根据说明书内容代入人工智能模型中建立好实体间的关系，包括症状与症状、症状与疾病、症状与药品、疾病与疾病、疾病与药品、药品与药品之间的关系,依据如上各实体关系构建推荐用药条件；

(3)判断预设会员库中是否有所述用户存在；

(4)若存在，获取当前用户的影响用药信息和历史购药信息；通过语音识别算法以问答对话的形式收集当前用户的当前症状信息；

(5)若不存在，通过语音识别算法以问答对话的形式收集当前用户的当前症状信息、影响用药信息和历史购药信息；

(6)对上述进行预处理，包括数据清洗、转换，剔除掉异常数据、重复无用数据等；

(7)采用深度学习算法提取用药人特征，为当前用户建立专属健康档案；

(8)通过将推荐用药条件结合当前用户健康档案推荐模型给出合理的配药、用药建议、疾病介绍和膳食建议。在根据当前用户档案以及已有数据无法生成合理方案时，会建议当前用户到医院进一步进行检查和诊断。

对于装置实施例而言，由于其与方法实施例基本相似，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。

参照图4，示出了本申请一实施例提供的一种智能用药推荐装置；

具体包括：

对应关系建立模块410，用于通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系；

第一关系建立模块420，用于提取药品说明书中的症状关键词和药品名称关键词，并通过所述第一模型建立药品与症状的第一关系；

第二关系建立模块430，用于提取所述药品说明书中的疾病关键词和所述药品名称关键词，并通过所述第二模型建立所述药品与疾病的第二关系；

第三关系建立模块440，用于提取症状描述中的所述症状关键词与所述疾病关键词，并通过所述第三模型建立所述疾病与所述症状的第三关系；

推荐用药条件生成模块450，用于依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件；

推荐用药信息确定模块460，用于获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息。

在本发明一实施例中，所述对应关系建立模块410，包括：

对应关系建立模块子模块，用于通过人工智能模型建立药品、疾病、症状、使用人群和注意事项之间的对应关系；其中，人工智能模型还包括第四模型、第五模型、第六模型、第七模型和第八模型；所述对应关系还包括第四关系、第五关系、第六关系和第七关系和第八关系。

在本发明一实施例中，所述第一关系建立模块420，包括：

第一关键词提取子模块，用于对所述药品说明书中适应症中的症状和药品名称进行关键词提取得到第一关键词；

症状关键词子模块，用于将所述第一关键词中的相同含义的症状转化成标准症状名得到所述症状关键词；

药品名称关键词子模块，用于将所述第一关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词。

在本发明一实施例中，所述第二关系建立模块430，包括：

第二关键词提取子模块，用于对所述药品说明书中适应症中的疾病和药品名称进行提取得到第二关键词；

疾病关键词子模块，用于将所述第二关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词；

所述药品名称关键词子模块，用于将所述第二关键词中的相同含义的药品名称转化成标准药品名称得到所述药品名称关键词。

在本发明一实施例中，所述第三关系建立模块440，包括：

第三关键词提取子模块，用于对所述症状描述中所述疾病和所述疾病进行提取得到第三关键词；

症状关键词得到子模块，用于将所述第三关键词中的相同含义的症状转化成标准症状名称得到所述症状关键词；

疾病关键词得到子模块，用于将所述第三关键词中的相同含义的疾病转化成标准疾病名得到所述疾病关键词。

第四关系建立子模块，用于提取所述药品说明书中药物相互作用关键词，并通过所述第四模型建立药品与药品的第四关系；

第五关系建立子模块，用于提取所述药品说明书中使用人群关键词和所述药品名称关键词，并通过所述第五模型建立药品与使用人群的第五关系；

第六关系建立子模块，用于提取所述药品说明书中注意事项关键词和所述药品名称关键词，并通过所述第六模型建立药品与注意事项的第六关系；

第七关系建立子模块，用于提取症状描述中所述症状关键词，并通过所述第七模型建立症状与症状的第七关系；

第八关系建立子模块，用于提取症状描述中所述疾病关键词，并通过所述第八模型建立疾病与疾病的第八关系；

第二推荐用药条件生成子模块，用于依据所述第一关系、所述第二关系、所述第三关系、所述第四关系、所述第五关系、所述第六关系和所述第七关系和所述第八关系生成第二推荐用药条件。

在本发明一实施例中，所述推荐用药信息确定模块460，包括：

第一用药列表确定子模块，用于依据所述当前症状信息和所述推荐用药条件确定第一用药列表；

第二用药列表筛选子模块，用于依据所述影响用药信息对所述第一用药列表进行筛选得到第二用药列表；

当前用户的用药信息确定子模块，用于依据所述历史购药信息、所述第二用药列表和所述推荐用药条件确定所述当前用户的用药信息。

在本发明一实施例中，所述当前用户的用药信息确定子模块，包括：

用药顺序表子模块，用于依据所述历史购药信息对所述第二用药列表中的药物进行排序得到用药顺序表；

用药注意事项子模块，用于依据所述用药顺序表和所述推荐用药条件确定用药注意事项；

子模块，用于依据所述用药顺序表和所述用药注意事项得到所述当前用户的用药信息。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

在本具体实施例与上述具体实施例中有重复的操作步骤，本具体实施例仅做简单描述，其余方案参考上述具体实施例描述即可。

对于系统实施例而言，由于其与方法实施例基本相似，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。

参照图5，示出了本申请的智能用药推荐方法的计算机设备，具体可以包括如下：

上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，内存28，连接不同系统组件(包括内存28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、音视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

内存28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得操作人员能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过I/O接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN))，广域网(WAN)和/或公共网络(例如因特网)通信。如图5所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图5中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统34等。

处理单元16通过运行存储在内存28中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的智能用药推荐方法。

也即，上述处理单元16执行上述程序时实现：通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系；提取药品说明书中的症状关键词和药品名称关键词，并通过所述第一模型建立药品与症状的第一关系；提取所述药品说明书中的疾病关键词和所述药品名称关键词，并通过所述第二模型建立所述药品与疾病的第二关系；提取症状描述中的所述症状关键词与所述疾病关键词，并通过所述第三模型建立所述疾病与所述症状的第三关系；依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件；获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息。

在本申请实施例中，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有实施例提供的智能用药推荐方法。

也即，给程序被处理器执行时实现：通过人工智能模型建立药品、疾病和症状之间的对应关系；其中，人工智能模型包括第一模型、第二模型和第三模型；所述对应关系包括第一关系、第二关系和第三关系；提取药品说明书中的症状关键词和药品名称关键词，并通过所述第一模型建立药品与症状的第一关系；提取所述药品说明书中的疾病关键词和所述药品名称关键词，并通过所述第二模型建立所述药品与疾病的第二关系；提取症状描述中的所述症状关键词与所述疾病关键词，并通过所述第三模型建立所述疾病与所述症状的第三关系；依据所述第一关系、所述第二关系以及所述第三关系生成推荐用药条件；获取当前用户的当前症状信息、影响用药信息和历史购药信息，并依据所述当前症状信息、所述影响用药信息和所述历史购药信息和所述推荐用药条件确定所述当前用户的推荐用药信息。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在操作人员计算机上执行、部分地在操作人员计算机上执行、作为一个独立的软件包执行、部分在操作人员计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到操作人员计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下，语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种智能用药推荐方法、系统及装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。