一种基于慢性病用药大数据的预警分析方法及系统

1.本发明涉及医疗大数据技术领域，具体涉及一种基于慢性病用药大数据 的预警分析方法及系统。


背景技术：

2.目前我国慢病患者非常多，全国有超过三亿人都是慢病患者，慢病致死 人数已经占到我国因病死亡人数的80％。大多数慢病都需要长期用药，而患 有慢病的人群平均年龄都比较大，经常会出现药物已经用完而忘记再次去购 买的情况，用药中断将会严重威胁患者的身体健康，药店也会因此流失用户 并减少药品销量。因此，如果药店能够预测在本药店购买过慢病药品的用户 的用药时间，并在合适的时间对其做出提醒，那么这不仅有利于患者及时用 药，确保生命安全，同时还能提高药店的药品销量，维系买药的用户。
3.目前通用的商品购买预测是通过分析用户的购买的所有商品和用户浏览 点击行为来做预测的，而这种预测方法并不适用于慢病药品的预测，它存在 以下的不足：慢性病用户通常定期购买一类固定药物，因此对于慢性病用药 的预警分析是通过观察用户是否定期购药来判定用户是否定期服药，慢性病 用户的购药行为特征简单，可通过群体进行监测管理，而现有技术通常是对 每个慢性病用户进行单独监测，如此会导致监测数据量大，以及数据处理线 程多，会降低预警效率。


技术实现要素：

4.本发明的目的在于提供一种基于慢性病用药大数据的预警分析方法及系 统，以解决现有技术中对每个慢性病用户进行单独监测，如此会导致监测数 据量大，以及数据处理线程多，会降低预警效率的技术问题。
5.为解决上述技术问题，本发明具体提供下述技术方案：
6.一种基于慢性病用药大数据的预警分析方法，包括以下步骤：
7.步骤s1、基于慢性病用户的药品购买日志构建慢性病用户的历史用户购 买画像，所述历史用户购买画像用于具象化慢性病用户购买药品的历史行为 特征；
8.步骤s2、基于历史用户购买画像对慢性病用户进行相似分类得到多个用 户群体以实现对慢性病用户进行群体管理，其中，位于同一所述用户群体中 的所有慢性病用户的历史用户购买画像具有低差异性，位于不同所述用户群 体中的慢性病用户的历史用户购买画像具有高差异性；
9.步骤s3、在每个用户群体中实时监测慢性病用户在当下时刻购买药品的 现有行为特征，并比对用户群体中所有慢性病用户的现有行为特征的差异性 预判出用户群体中存在异常购药行为的慢性病用户，再对存在异常购药行为 的慢性病用户进行预警反馈以规范慢性病用户的购药行为。
10.作为本发明的一种优选方案，所述基于慢性病用户的药品购买日志构建 慢性病用户的历史用户购买画像，包括：
11.在所述药品购买日志中提取表征用户行为特征的特征字段以提取出慢性 病用户的历史用户购买画像的共性化特征，并基于特征字段将药品购买日志 转化为用户行为样本，所述特征字段包括：用户属性，药品属性以及购买行 为属性；
12.为所述特征字段添加特征权重以提取出慢性病用户的历史用户购买画像 的个性化特征，并基于特征权重对用户行为样本中特征字段进行权重组合得 到所述历史用户购买画像，所述历史用户购买画像的函数表达式为：
13.fi＝{[α
i,1,tfi,1,t
,α
i,2,tfi,2,t
,α
i,3,tfi,3,t
]|f∈[1,n]}；
[0014]
式中，fi表征为第i个慢性病用户的历史用户购买画像， [α
i,1,tfi,1,t
,α
i,2,tfi,2,t
,α
i,3,tfi,3,t
]表征为第i个慢性病用户在历史时刻t处的历史 用户购买画像，f
i,1,t
、f
i,2,t
、f
i,3,t
分别表征为在历史时刻t处表征第i个慢性 病用户的用户属性、药品属性以及购买行为属性的数据向量，α
i,1,t
、α
i,2,t
、α
i,3,t
分别表征为在历史时刻t处第i个慢性病用户的用户属性、药品属性以及购买 行为属性的特征权重，i，t为计量常数，无实质含义，n表征为历史时刻的总 个数。
[0015]
作为本发明的一种优选方案，所述为所述特征字段添加特征权重，包括：
[0016]
依次计算表征慢性病用户的药品属性以及购买行为属性的数据向量的波 动程度，所述波动程度是用于衡量慢性病用户的历史用户购买画像的个性化 特征的量化指标，所述波动程度的计算公式为：
[0017][0018][0019]
式中，f
i,2,t-1
、f
i,3,t-1
分别表征为在历史时刻t-1处表征第i个慢性病用 户的药品属性以及购买行为属性的数据向量；
[0020]
基于所述波动程度设定慢性病用户的用户属性、药品属性以及购买行为 属性的特征权重，所述用户属性、药品属性以及购买行为属性的特征权重依 次为：
[0021]
α
i,1,t
＝1-α
i,2,t-α
i,3,t
；
[0022][0022][0023]
式中，w
i,2,t
、w
i,3,t
分别表征为所述药品属性以及购买行为属性的数据向 量的波动程度。
[0024]
作为本发明的一种优选方案，所述历史时刻t处表征第i个慢性病用户的 用户属性、药品属性以及购买行为属性的数据向量分别由历史时刻1至历史 时刻t处的用户行为样本中表征第i个慢性病用户的用户属性、药品属性以及 购买行为属性的数据构成的向量，其中，
[0025]fi,1,t
＝{user
i,τ
|τ∈[1,t]}；
[0026]fi,2,t
＝{object
i,τ
|τ∈[1,t]}；
[0027]fi,3,t
＝{action
i,τ
|τ∈[1,t]}；
[0028]
式中，user
i,τ
、object
i,τ
、action
i,τ
分别表征为第i个慢性病用户在历史时 刻τ处的用户属性、药品属性以及购买行为属性的数据；τ为计量常数，无实 质含义。
[0029]
作为本发明的一种优选方案，所述将历史用户购买画像进行相似分类得 到多个用户群体，包括：
[0030]
步骤一：将每个历史用户购买画像均量化为单个用户群体，并依次对各 个用户群体中所有历史用户购买画像的进行均值化处理得到每个用户群体的 群体画像；
[0031]
步骤二：依次计算任意两个用户群体中群体画像间的欧式距离以衡量任 意两个用户群体的相似度，并将最小相似度对应的两个用户群体进行融合， 再对各个用户群体中所有历史用户购买画像的进行均值化处理以完成对所述 群体画像的更新，所述相似度用于衡量两个用户群体表征同种类历史行为特 征的概率；
[0032]
步骤三：重复执行步骤二，直至任意两个用户群体的相似度均大于设定 阈值，输出当前的用户群体作为历史用户购买画像的分类结果。
[0033]
作为本发明的一种优选方案，所述群体画像的计算公式为：
[0034][0035]
式中，gj表征为第j个用户群体的群体画像，mj表征为第j个用户群体中 慢性病用户的总数目，j为计量常数，无实质含义；
[0036]
所述相似度的计算公式为：
[0037][0038]
式中，i
j,k
表征为第j个用户群体和第k个用户群体的相似度，gj、gk分 别表征为第j、k个用户群体的群体画像，t为转置符号，k为计量常数，无实 质含义。
[0039]
作为本发明的一种优选方案，所述比对用户群体中所有慢性病用户的现 有行为特征的差异性预判出用户群体中存在异常购药行为的慢性病用户，包 括：
[0040]
将表征所述慢性病用户的现有行为特征的购买数据量化为所述特征字段 表征形式的现有行为样本；
[0041]
对现有行为样本中特征字段进行组合得到所述用户实时画像，所述用户 实时画像的函数表达式为：
[0042]rj,r,ε
＝{f
r,1,ε
,f
r,2,ε
,f
r,3,ε
}；
[0043]
式中，r
j,r,ε
表征为第j个用户群体中的第r个慢性病用户在当前时刻ε的 用户实时画像，f
r,1,ε
、f
r,2,ε
、f
r,3,ε
分别表征为在当前时刻ε处表征第r个慢性 病用户的用户属性、药品属性以及购买行为属性的数据向量；
[0044]
依次计算用户群体中第r个慢性病用户的用户实时画像r
j,r,ε
与用户群体 中剩余所有慢性病用户的用户实时画像{r
j,l,ε
|l≠r∩l∈[1,mj]}的相似度，并 统计相似度小于
或等于相似阈值的数目；
[0045]
将相似度小于或等于相似阈值的数目与第j个用户群体中慢性病用户总 数目mj的比值作为表征第r个慢性病用户存在异常购药行为的概率。
[0046]
作为本发明的一种优选方案，所述比对用户群体中所有慢性病用户的现 有行为特征的差异性预判出用户群体中存在异常购药行为的慢性病用户，还 包括：
[0047]
设定概率阈值，将第r个慢性病用户存在异常购药行为的概率与概率阈值 比较，其中，
[0048]
当第r个慢性病用户存在异常购药行为的概率超过概率阈值，则判定第r 个慢性病用户存在异常购药行为；
[0049]
当第r个慢性病用户存在异常购药行为的概率未超过概率阈值，则判定第 r个慢性病用户不存在异常购药行为。
[0050]
作为本发明的一种优选方案，本发明提供了一种根据基于慢性病用药大 数据的预警分析方法的预警系统，包括：
[0051]
画像建立单元，基于慢性病用户的药品购买日志构建慢性病用户的历史 用户购买画像，所述历史用户购买画像用于具象化慢性病用户购买药品的历 史行为特征；
[0052]
群体分类单元，用于基于历史用户购买画像对慢性病用户进行相似分类 得到多个用户群体以实现对慢性病用户进行群体管理，其中，位于同一所述 用户群体中的所有慢性病用户的历史用户购买画像具有低差异性，位于不同 所述用户群体中的慢性病用户的历史用户购买画像具有高差异性；
[0053]
群体监测单元，用于在每个用户群体中实时监测慢性病用户在当下时刻 购买药品的现有行为特征，并比对用户群体中所有慢性病用户的现有行为特 征的差异性预判出用户群体中存在异常购药行为的慢性病用户，再对存在异 常购药行为的慢性病用户进行预警反馈以规范慢性病用户的购药行为；
[0054]
用户终端，用于接收群体监测单元的预警反馈。
[0055]
作为本发明的一种优选方案，所述群体监测单元与用户终端间通过网络 通信协议进行反馈信息的交互。
[0056]
本发明与现有技术相比较具有如下有益效果：
[0057]
本发明为慢性病用户建立用户购买画像，并在建立用户购买画像时同步 提取出慢性病用户行为特征中的共性化特征和个性化特征，更为全面的掌握 慢性病用户的行为特征，而且基于历史用户购买画像对慢性病用户进行相似 分类得到多个用户群体实现了对慢性病用户进行群体管理，减少监测线程， 管理效率得以提高。
附图说明
[0058]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将 对实施方式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示例性的，对于本领域普通技术人员来讲，在不付 出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0059]
图1为本发明实施例提供的预警分析方法流程图；
[0060]
图2为本发明实施例提供的预警系统结构框图；
[0061]
图3为本发明实施例提供的用户群体结构示意图。
[0062]
图中的标号分别表示如下：
[0063]
1-画像建立单元；2-群体分类单元；3-群体监测单元；4-用户终端；5-用 户群体；6-慢性病用户。
具体实施方式
[0064]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
如图1所示，慢性病通常是只需要定期服用同种药物进行治疗，则慢性 病用户的行为特征相对简单，购买人群、购买频率和购买药品都相对固定， 只需要对同种药物的购买行为数据进行分析识别出未规律购药的慢性病用户， 再对未规律买药的慢性病用户进行预警即可，并不涉及分析用户购买的所有 商品和用户浏览点击行为来做用户购买行为的分析，因此本发明提供了一种 基于慢性病用药大数据的预警分析方法，为慢性病用户构建用户画像以及对 慢性病用户进行群体管理，降低数据处理量以提高预警效率。
[0066]
一种基于慢性病用药大数据的预警分析方法，包括以下步骤：
[0067]
步骤s1、基于慢性病用户的药品购买日志构建慢性病用户的历史用户购 买画像，历史用户购买画像用于具象化慢性病用户购买药品的历史行为特征；
[0068]
基于慢性病用户的药品购买日志构建慢性病用户的历史用户购买画像， 包括：
[0069]
在药品购买日志中提取表征用户行为特征的特征字段以提取出慢性病用 户的历史用户购买画像的共性化特征，并基于特征字段将药品购买日志转化 为用户行为样本，特征字段包括：用户属性，药品属性以及购买行为属性；
[0070]
慢性病全称是慢性非传染性疾病，不是特指某种疾病，而是对一类起病 隐匿，病程长且病情迁延不愈，缺乏确切的传染性生物病因证据，病因复杂， 且有些尚未完全被确认的疾病的概括性总称。常见的慢性病主要有心脑血管 疾病、癌症、糖尿病、慢性呼吸系统疾病，其中心脑血管疾病包含高血压、 脑卒中和冠心病，患有某种慢性病的慢性病用户通常只需要定期在医院或药 房购买治疗该种慢性病的指定药物即可，比如，高血压患者定期购买降压药 即可，因此本实施例在构建慢性病用户的用户画像只涉及用户属性(年龄， 性别等)，药品属性(药品种类等)以及购买行为属性(购买频率等)，不涉 及复杂的多源数据，用户属性(年龄，性别等)，药品属性(药品种类等)以 及购买行为属性(购买频率等)已经可以完整的表达出慢性病用户购买药品 的历史行为特征的共性特征了，共性特征即为每个慢性病用户都具有的属性 特征，在历史行为特征的共性特征基础上通过对用户属性(年龄，性别等)， 药品属性(药品种类等)以及购买行为属性(购买频率等)添加权重属性来 凸显慢性病用户的个性化属性，药品属性和购买行为属性都是慢性病用户的 历史行为特征中的主要关注特征，权重会凸显各个慢性病用户的个性化特征， 比如慢性病用户a的购买频率高于b，则在构建慢性病用户a和b的历史用 户购买画像中购买行为属性的权重不同，进一步凸显出慢性病用户a和b的 历史用户购买画像的不同，实现个性化表征。
[0071]
为特征字段添加特征权重以提取出慢性病用户的历史用户购买画像的个 性化特
征，并基于特征权重对用户行为样本中特征字段进行权重组合得到历 史用户购买画像，历史用户购买画像的函数表达式为：
[0072]fi
＝{[α
i,1,tfi,1,t
,α
i,2,tfi,2,t
,α
i,3,tfi,3,t
]|t∈[1,n]}；
[0073]
式中，fi表征为第i个慢性病用户的历史用户购买画像，用户画像是涵盖 所有历史时刻的表征用户属性、药品属性以及购买行为属性的数据构成的向 量，[α
i,1,tfi,1,t
,α
i,2,tfi,2,t
,α
i,3,tfi,3,t
]表征为第i个慢性病用户在历史时刻t处的 历史用户购买画像，f
i,1,t
、f
i,2,t
、f
i,3,t
分别表征为在历史时刻t处表征第i个 慢性病用户的用户属性、药品属性以及购买行为属性的数据向量，α
i,1,t
、α
i,2,t
、 α
i,3,t
分别表征为在历史时刻t处第i个慢性病用户的用户属性、药品属性以及 购买行为属性的特征权重，i，t为计量常数，无实质含义，n表征为历史时刻 的总个数。
[0074]
历史时刻t处表征第i个慢性病用户的用户属性、药品属性以及购买行为 属性的数据向量分别由历史时刻1至历史时刻t处的用户行为样本中表征第i 个慢性病用户的用户属性、药品属性以及购买行为属性的数据构成的向量， 其中，
[0075]fi,1,t
＝{user
i,τ
|τ∈[1,t]}；
[0076]fi,2,t
＝{object
i,τ
|τ∈[1,t]}；
[0077]fi,3,t
＝{action
i,τ
|τ∈[1,t]}；
[0078]
式中，user
i,τ
、object
i,τ
、action
i,τ
分别表征为第i个慢性病用户在历史时 刻τ处的用户属性、药品属性以及购买行为属性的数据；τ为计量常数，无实 质含义。
[0079]
为特征字段添加特征权重，包括：
[0080]
依次计算表征慢性病用户的药品属性以及购买行为属性的数据向量的波 动程度，波动程度是用于衡量慢性病用户的历史用户购买画像的个性化特征 的量化指标，波动程度的计算公式为：
[0081][0082][0083]
式中，f
i,2,t-1
、f
i,3,t-1
分别表征为在历史时刻t-1处表征第i个慢性病用 户的药品属性以及购买行为属性的数据向量；
[0084]
药品属性以及购买行为属性是历史用户购买画像构建的个性化特征表征， 因此在关注个性化特征时着重于药品属性以及购买行为属性的权重构建即可， 即关注于药品属性以及购买行为属性的波动程度，药品属性以及购买行为属 性波动程度越大，则表明药品属性以及购买行为属性的个性化特征越值得关 注，即在构建用户画像是需要进一步凸显，因此需要将药品属性以及购买行 为属性的特征权重随波动程度进行动态调整，以实现利用权重对药品属性以 及购买行为属性进行个性化特征的凸显，具体方法如下：
[0085]
基于波动程度设定慢性病用户的用户属性、药品属性以及购买行为属性 的特征权重，用户属性、药品属性以及购买行为属性的特征权重依次为：
[0086]
α
i,1,t
＝1-α
i,2,t-α
i,3,t
；
[0087][0087][0088]
式中，w
i,2,t
、w
i,3,t
分别表征为药品属性以及购买行为属性的数据向量的 波动程度。
[0089]
购买行为属性的个性化优先级高于药品属性的个性化优先级，因此在购 买行为属性波动程度大时，需要将购买行为属性的权重在大于0.5的基础上提 高，同步的药品属性随购买行为属性波动程度大且药品属性波动程度大时将 权重在低于0.5的基础上略降低，将药品属性的个性化凸显效果让给购买行为 属性的个性化凸显效果，再使得到的用户属性个性化凸显效果基本保持稳定 状态，即用户属性的权重稳定，符合慢性病用户历史行为特征的实际情况， 购买行为属性、药品属性和用户属性的实际波动可能性由高到低，而且在研 究用户历史行为特征时对于购买行为属性、药品属性和用户属性的关注度也 由高到低，因此购买行为属性、药品属性和用户属性的在对用户购买画像的 个性化特征的表征度由高到低，因此将用户属性、药品属性以及购买行为属 性的特征权重如本实施例设置，可实现在购买行为属性、药品属性和用户属 性对用户购买画像的个性化特征的提取。
[0090]
构建出共性化特征和个性化特征共存的历史用户购买画像能够更有效的 执行后续的用户分类任务，提高分类的精度。
[0091]
如图3所示，步骤s2、基于历史用户购买画像对慢性病用户进行相似分 类得到多个用户群体以实现对慢性病用户进行群体管理，其中，位于同一用 户群体中的所有慢性病用户的历史用户购买画像具有低差异性，位于不同用 户群体中的慢性病用户的历史用户购买画像具有高差异性；
[0092]
将历史用户购买画像进行相似分类得到多个用户群体，包括：
[0093]
步骤一：将每个历史用户购买画像均量化为单个用户群体，并依次对各 个用户群体中所有历史用户购买画像的进行均值化处理得到每个用户群体的 群体画像；
[0094]
步骤二：依次计算任意两个用户群体中群体画像间的欧式距离以衡量任 意两个用户群体的相似度，并将最小相似度对应的两个用户群体进行融合， 再对各个用户群体中所有历史用户购买画像的进行均值化处理以完成对群体 画像的更新，相似度用于衡量两个用户群体表征同种类历史行为特征的概率；
[0095]
步骤三：重复执行步骤二，直至任意两个用户群体的相似度均大于设定 阈值，输出当前的用户群体作为历史用户购买画像的分类结果。
[0096]
群体画像的计算公式为：
[0097][0098]
式中，gj表征为第j个用户群体的群体画像，mj表征为第j个用户群体中 慢性病用户的总数目，j为计量常数，无实质含义；
[0099]
相似度的计算公式为：
[0100][0101]
式中，i
j,k
表征为第j个用户群体和第k个用户群体的相似度，gj、gk分 别表征为第j、k个用户群体的群体画像，t为转置符号，k为计量常数，无实 质含义。
[0102]
基于历史用户购买画像对慢性病用户进行相似分类得到多个用户群体以 实现对慢性病用户进行群体管理，有效的将监管线程从对所有慢性病用户均 设置单个监测线程，变成只需要对多个用户群体进行监测线程的设置，大大 减少了监测线程的数目，释放硬件资源。
[0103]
步骤s3、在每个用户群体中实时监测慢性病用户在当下时刻购买药品的 现有行为特征，并比对用户群体中所有慢性病用户的现有行为特征的差异性 预判出用户群体中存在异常购药行为的慢性病用户，再对存在异常购药行为 的慢性病用户进行预警反馈以规范慢性病用户的购药行为。
[0104]
比对用户群体中所有慢性病用户的现有行为特征的差异性预判出用户群 体中存在异常购药行为的慢性病用户，包括：
[0105]
将表征慢性病用户的现有行为特征的购买数据量化为特征字段表征形式 的现有行为样本；
[0106]
对现有行为样本中特征字段进行组合得到用户实时画像，用户实时画像 的函数表达式为：
[0107]rj,r,ε
＝{f
r,1,ε
,f
r,2,ε
,f
r,3,ε
}；
[0108]
式中，r
j,r,ε
表征为第j个用户群体中的第r个慢性病用户在当前时刻ε的 用户实时画像，f
r,1,ε
、f
r,2,ε
、f
r,3,ε
分别表征为在当前时刻ε处表征第r个慢性 病用户的用户属性、药品属性以及购买行为属性的数据向量；f
r,1,ε
＝user
r,ε
、 f
r,2,ε
＝object
r,ε
、f
r,3,ε
＝action
r,ε
。
[0109]
依次计算用户群体中第r个慢性病用户的用户实时画像r
j,r,ε
与用户群体 中剩余所有慢性病用户的用户实时画像{r
j,l,ε
|l≠r∩l∈[1,mj]}的相似度，并 统计相似度小于或等于相似阈值的数目；
[0110]
将相似度小于或等于相似阈值的数目与第j个用户群体中慢性病用户总 数目mj的比值作为表征第r个慢性病用户存在异常购药行为的概率。
[0111]
比对用户群体中所有慢性病用户的现有行为特征的差异性预判出用户群 体中存在异常购药行为的慢性病用户，还包括：
[0112]
设定概率阈值，将第r个慢性病用户存在异常购药行为的概率与概率阈值 比较，其中，
[0113]
当第r个慢性病用户存在异常购药行为的概率超过概率阈值，则判定第r 个慢性病用户存在异常购药行为；
[0114]
当第r个慢性病用户存在异常购药行为的概率未超过概率阈值，则判定第 r个慢性病用户不存在异常购药行为。
[0115]
基于群体管理的慢性病异常检测方法以同一群体中的慢性病用户作为基 准，通过互比较判断购药行为的状态，能在慢性病用户购药行为异常发生早 期识别出慢性病的
异常行为，对于慢性病用户用药预警保障慢性病用户生命 安全意义重大。
[0116]
基于群体管理的购药行为异常检测方法将全体管理的概念引入购药行为 异常检测中，将相似的慢性病用户归在一起形成各个用户全体，有利于慢性 病用户的长期监管。
[0117]
如图2所示，基于上述慢性病用药大数据的预警分析方法，本发明提供 了一种预警系统，包括：
[0118]
画像建立单元1，基于慢性病用户的药品购买日志构建慢性病用户的历史 用户购买画像，历史用户购买画像用于具象化慢性病用户购买药品的历史行 为特征；
[0119]
群体分类单元2，用于基于历史用户购买画像对慢性病用户进行相似分类 得到多个用户群体以实现对慢性病用户进行群体管理，其中，位于同一用户 群体中的所有慢性病用户的历史用户购买画像具有低差异性，位于不同用户 群体中的慢性病用户的历史用户购买画像具有高差异性；
[0120]
群体监测单元3，用于在每个用户群体中实时监测慢性病用户在当下时刻 购买药品的现有行为特征，并比对用户群体中所有慢性病用户的现有行为特 征的差异性预判出用户群体中存在异常购药行为的慢性病用户，再对存在异 常购药行为的慢性病用户进行预警反馈以规范慢性病用户的购药行为；
[0121]
用户终端4，用于接收群体监测单元的预警反馈。
[0122]
群体监测单元与用户终端间通过网络通信协议进行反馈信息的交互。
[0123]
本发明为慢性病用户建立用户购买画像，并在建立用户购买画像时同步 提取出慢性病用户行为特征中的共性化特征和个性化特征，更为全面的掌握 慢性病用户的行为特征，而且基于历史用户购买画像对慢性病用户进行相似 分类得到多个用户群体实现了对慢性病用户进行群体管理，减少监测线程， 管理效率得以提高。
[0124]
以上实施例仅为本技术的示例性实施例，不用于限制本技术，本技术的 保护范围由权利要求书限定。本领域技术人员可以在本技术的实质和保护范 围内，对本技术做出各种修改或等同替换，这种修改或等同替换也应视为落 在本技术的保护范围内。