一种基于关联图谱和神经网络的药品区域需求的预测方法与流程

本发明涉及药品销售技术领域，具体为一种基于关联图谱和神经网络的药品区域需求的预测方法。

背景技术

药品从使用对象上说：它是以人为使用对象，预防、治疗、诊断人的疾病，有目的地调节人的生理机能，有规定的适用症、用法和用量要求；从使用方法上说：除外观，患者无法辨认其内在质量，许多药品需要在医生的指导下使用，而不由患者选择决定，同时，药品的使用方法、数量、时间等多种因素在很大程度上决定其使用效果，误用不仅不能“治病”，还可能“致病”，甚至危及生命安全。因此，药品是一种特殊的商品，药品的具体品种，全世界大约有20000余种，我国中药制剂约5000多种，西药制剂约4000多种，由此可见，药品的种类复杂、品种繁多，药品不是一种独立的商品，它与医学紧密结合，相辅相成，患者只有通过医生的检查诊断，并在医生的指导下合理用药，才能达到防止疾病、保护健康的目的，药品在不同区域进行销售时，会由于地理差异而导致药品销售区域的药品销售量存在差别。

目前的药品在进行互联网销售时，不能实现利用药品销售数据里的空间信息和时间信息，来预测当地药品销售区域的药品未来销售情况，无法达到抓住药品销售的区域性特征，来得出更准确预测结果的目的，从而给药品的互联网区域性销售带来了极大的不利。

技术实现要素：

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于关联图谱和神经网络的药品区域需求的预测方法，解决了现有的药品在进行互联网销售时，不能实现利用药品销售数据里的空间信息和时间信息，来预测当地药品销售区域的药品未来销售情况，无法达到抓住药品销售的区域性特征，来得出更准确预测结果的目的，从而给药品的互联网区域性销售带来了极大不利的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于关联图谱和神经网络的药品区域需求的预测方法，具体包括以下步骤：

s1、首先在销售数据关联图谱库与系统管理模块之间分别建立销售信息挖掘模块和销售信息聚类模块，然后人们可通过用户交互单元与系统管理模块进行交互，人们可通过系统管理模块控制销售信息挖掘模块来挖掘销售数据关联图谱库内的销售数据信息；

s2、然后系统管理模块可控制销售信息聚类模块将s1中挖掘出的销售数据信息根据地理位置不同进行分类集中存储，然后区域划分单元根据分类集中存储的销售信息整合创建出不同地理区域的药品销售区域块，这些不同的销售区块会在进行分布式整合成销售区域单元；

s3、之后在系统管理模块和销售数据关联图谱库之间再建立数据信息回归算法处理模块，并且在数据信息回归算法处理模块与s2中的销售区域单元之间搭建数据传输通道，数据信息回归算法处理模块可根据销售区域单元内各个销售区域块的数据缺失情况，来向销售数据关联图谱库内检索和提取相应的数据信息，并将提取的数据信息传送至销售区域单元内相应的销售区域块中进行信息补全；

s4、之后在系统管理模块与销售区域单元之间建立cnn-rnn神经网络算法处理模块，人们可通过使用cnn-rnn神经网络算法对销售区域单元内相应销售区域块的未来药品需求进行预测，同时将预测的结果发送至系统管理模块内，系统管理模块再将预测的结果传送至用户交互单元上显示出来，以便于人们观看；

s5、最后系统管理模块可控制打印模块将预测的相应销售区域块的未来药品需求通过外设打印设备打印出来预测报告。

优选的，所述销售区域单元内销售区域块的数量个数与销售数据关联图谱库内地理区域的数量是相对应的。

优选的，所述销售数据关联图谱库为药品销售的历史时空数据存储库。

(三)有益效果

本发明提供了一种基于关联图谱和神经网络的药品区域需求的预测方法。具备以下有益效果：该基于关联图谱和神经网络的药品区域需求的预测方法，通过在具体包括以下步骤：s1、首先在销售数据关联图谱库与系统管理模块之间分别建立销售信息挖掘模块和销售信息聚类模块，s2、然后系统管理模块可控制销售信息聚类模块将s1中挖掘出的销售数据信息根据地理位置不同进行分类集中存储，s3、之后在系统管理模块和销售数据关联图谱库之间再建立数据信息回归算法处理模块，s4、之后在系统管理模块与销售区域单元之间建立cnn-rnn神经网络算法处理模块，s5、最后系统管理模块可控制打印模块将预测的相应销售区域块的未来药品需求通过外设打印设备打印出来预测报告，很好的实现了利用药品销售数据里的空间信息和时间信息，来预测当地药品销售区域的药品未来销售情况，达到了抓住药品销售的区域性特征，来得出更准确预测结果的目的，从而很好的有利于药品的互联网区域性销售。

附图说明

图1为本发明系统的结构原理框图。

具体实施方式

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。

请参阅图1，本发明实施例提供一种技术方案：一种基于关联图谱和神经网络的药品区域需求的预测方法，具体包括以下步骤：

s1、首先在销售数据关联图谱库与系统管理模块之间分别建立销售信息挖掘模块和销售信息聚类模块，然后人们可通过用户交互单元与系统管理模块进行交互，人们可通过系统管理模块控制销售信息挖掘模块来挖掘销售数据关联图谱库内的销售数据信息；

s2、然后系统管理模块可控制销售信息聚类模块将s1中挖掘出的销售数据信息根据地理位置不同进行分类集中存储，然后区域划分单元根据分类集中存储的销售信息整合创建出不同地理区域的药品销售区域块，这些不同的销售区块会在进行分布式整合成销售区域单元；

s3、之后在系统管理模块和销售数据关联图谱库之间再建立数据信息回归算法处理模块，并且在数据信息回归算法处理模块与s2中的销售区域单元之间搭建数据传输通道，数据信息回归算法处理模块可根据销售区域单元内各个销售区域块的数据缺失情况，来向销售数据关联图谱库内检索和提取相应的数据信息，并将提取的数据信息传送至销售区域单元内相应的销售区域块中进行信息补全；

s4、之后在系统管理模块与销售区域单元之间建立cnn-rnn神经网络算法处理模块，人们可通过使用cnn-rnn神经网络算法对销售区域单元内相应销售区域块的未来药品需求进行预测，同时将预测的结果发送至系统管理模块内，系统管理模块再将预测的结果传送至用户交互单元上显示出来，以便于人们观看；

s5、最后系统管理模块可控制打印模块将预测的相应销售区域块的未来药品需求通过外设打印设备打印出来预测报告。

本发明中，销售区域单元内销售区域块的数量个数与销售数据关联图谱库内地理区域的数量是相对应的。

本发明中，销售数据关联图谱库为药品销售的历史时空数据存储库。

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、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。