一种基于用户行为的售药机药品供应方法和自动售药机与流程

本发明涉及售药机系统改进领域，尤其涉及一种基于用户行为的售药机药品供应方法和自动售药机。

背景技术：

随着科技的发展和社会的进步，人们对自动化、智能化的医疗系统需求越来越大，自动售药机也在不断地改进、完善。

跟绝大多数自动贩卖机一样，自动售药机方便了用户购药，进一步地，还帮助用户对自身病症有一个初步的了解，但是不同地区、不同时期，人们患某种病症的概率都是不一样的，导致了对不同药物的需求并不一致。

因此要合理处理药物的供需关系，有侧重点地进行药物的供应，才能更好地运营售药机系统，传统的补货方式没有深入考虑用户的作用，因此能利用用户行为表达出的的需求愿望进行反馈启示，才能够高效智能地进行运营。

技术实现要素：

为了克服现有技术的不足，本发明的目的在于提供一种基于用户行为的售药机药品供应方法，通过深入的分析用户的搜索行为，厘清供求关系，以求更高效率地运营售药机的药品供应。

本发明采用如下技术方案实现：

一种基于用户行为的售药机药品供应方法，包括以下步骤：

步骤一：云端构建药品类库，根据不同症状对应的所需药品，将库存药品分类列成清单，并且记录下各种药品数量，存入所述药品类库；

步骤二：获取用户输入的文本信息，提取关键词，检索相似症状，得到所需药品，统计出用户搜索所需药品的相关度，按从大到小排行，将排行数据插入所述药品类库的对应库存药品项作为用户需求度标签，在不同地区的售药机分别进行记录，同时记录修改的周期按照不同季度，进行多次记录；

步骤三：分析不同地区在不同时期的所述用户需求度标签，利用逻辑回归算法，预测用户后续对某一种或几种药物需求的概率大小，在控制中心终端生成建议清单，进行售药机药品的针对性补充。

进一步地，所述步骤一中的所述药品类库，在云端根据实时的医学技术以及已有售药机资源进行更新，并且相关药品类目信息公布在官网和其他媒体平台上。

进一步地，所述步骤二中提取的所述关键词包括病症的症状、药品名称或药品类型，并且自动过滤无关性、非法性词汇。

进一步地，本发明使用dfa算法对无关性、非法性词汇进行过滤。

进一步地，所述步骤二中对关键词进行检索时，按复杂度设定检索级别，售药机系统连接所述药品类库，对用户输入的文本信息中的关键词分级检索，匹配到对应的所述库存药品项，提供完整的检索结果供用户筛选。

进一步地，所述步骤三还包括对用户多发病症进行统计绘图或制表，反馈到所述控制中心，与各地区医院协同重视相关方面的防护，进行侧重宣传。

本发明还公开了一种自动售药机，所述自动售药机的药品供应系统采用上述基于用户行为的售药机药品供应方法。

相比现有技术，本发明的有益效果在于：

本发明提供了一种基于用户行为的售药机药品供应方法以及应用上述基于用户行为的售药机药品供应方法的一种自动售药机，通过云端建库，并对用户的输入文本进行处理，提取出有用信息，构建用户需求度标签，分析用户购药的需求侧重方向，从而优化供应链，本发明通过深入的分析用户的搜索行为，对不同地区、不同时期的自动售药机进行合理的药品供应，能够按照用户的需求程度运营，从而提升用户体验，满足不同用户的购药要求，合理分配资源。

附图说明

图1为本发明的基于用户行为的售药机药品供应方法的流程示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

如图1所示，一种基于用户行为的售药机药品供应方法，包括以下步骤：

步骤一：云端构建药品类库，根据不同症状对应的所需药品，将库存药品分类列成清单，并且记录下各种药品数量，存入所述药品类库；

步骤二：获取用户输入的文本信息，提取关键词，检索相似症状，得到所需药品，统计出用户搜索所需药品的相关度，按从大到小排行，将排行数据插入所述药品类库的对应库存药品项作为用户需求度标签，在不同地区的售药机分别进行记录，同时记录修改的周期按照不同季度，进行多次记录；

步骤三：分析不同地区在不同时期的所述用户需求度标签，利用逻辑回归算法，预测用户后续对某一种或几种药物需求的概率大小，在控制中心终端生成建议清单，进行售药机药品的针对性补充。

进一步地，步骤一中的所述药品类库，在云端根据实时的医学技术以及已有售药机资源进行更新，并且相关药品类目信息公布在官网和其他媒体平台上。

进一步地，步骤二中提取的所述关键词包括病症的症状、药品名称或药品类型，并且自动过滤无关性、非法性词汇，并且使用dfa算法对无关性、非法性词汇进行过滤。

在实现文字过滤的算法中，dfa是唯一比较好的实现算法，也就是确定有穷自动机算法，它是通过event和当前的state得到下一个state，即event+state＝nextstate。

进一步地，步骤二中对关键词进行检索时，按复杂度设定检索级别，售药机系统连接所述药品类库，对用户输入的文本信息中的关键词分级检索，匹配到对应的所述库存药品项，提供完整的检索结果供用户筛选。

进一步地，步骤三中，基于用户行为，即用户需求度标签进行逻辑回归算法的分析，设用户的特征，如不同地区、性别、年龄和病症类型的综合属性为自变量x，用户需求度标签为因变量y，可以使用的一种预测方程为线性回归方程，通过最小二乘法对自动售药机运营的数据x、y计算回归方程的斜率、截距，从而估算出用户需求度标签所对应药品被购买的概率(即斜率)，从而进行针对性补货。

进一步地，步骤三还包括对用户多发病症进行统计绘图或制表，反馈到所述控制中心，与各地区医院协同重视相关方面的防护，进行侧重宣传。

本发明还提供一种自动售药机，所述自动售药机的药品供应系统采用上述的基于用户行为的售药机药品补充方法。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

技术特征：

技术总结
本发明公开了一种基于用户行为的售药机药品供应方法，其包括以下步骤：步骤一：云端构建药品类库；步骤二：获取用户输入的文本信息，提取关键词，定义并且获得用户需求度标签；步骤三：分析不同地区在不同时期的所述用户需求度标签，利用逻辑回归算法，预测用户后续对某一种或几种药物需求的概率大小，在控制中心终端生成建议清单，进行售药机药品的针对性补充。本发明从用户角度出发，合理处理药物的供需关系，有侧重点地进行药物的供应，以做到更好地运营售药机系统。本发明还公开了一种自动售药机，其特征在于，药品供应系统采用上述基于用户行为的售药机药品供应方法。

技术研发人员：许冬瑾
受保护的技术使用者：康美药业股份有限公司
技术研发日：2018.06.29
技术公布日：2019.01.04