CN117035945B - 基于深度学习的电子信息管理方法及相关设备 - Google Patents
基于深度学习的电子信息管理方法及相关设备 Download PDFInfo
- Publication number
- CN117035945B CN117035945B CN202311164185.5A CN202311164185A CN117035945B CN 117035945 B CN117035945 B CN 117035945B CN 202311164185 A CN202311164185 A CN 202311164185A CN 117035945 B CN117035945 B CN 117035945B
- Authority
- CN
- China
- Prior art keywords
- information
- address
- user
- medicine
- condition
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 238000013135 deep learning Methods 0.000 title claims abstract description 23
- 239000003814 drug Substances 0.000 claims abstract description 184
- 229940079593 drug Drugs 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims abstract description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 20
- 201000010099 disease Diseases 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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"
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于深度学习的电子信息管理方法及相关设备。上述方法包括：接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息；在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。能够解决电子信息应用率低，大量可通过这些电子信息预测并解决的问题仍存在于智能硬件的应用场景中的问题。
Description
技术领域
本申请涉及电子信息管理领域，更具体地说，本发明涉及一种基于深度学习的电子信息管理方法及相关设备。
背景技术
智能硬件是继智能手机之后的一个科技概念，通过软硬件结合的方式，对传统设备进行改造，进而让其拥有智能化的功能。智能化之后，硬件具备连接的能力，实现互联网服务的加载，形成"云+端"的典型架构，具备了大数据等附加价值。智能硬件已经从可穿戴设备延伸到智能电视、智能家居、智能汽车、医疗健康、智能玩具、机器人等领域。
目前，基于智能硬件可以获取很多电子信息，特别是在智能配送领域，由配送端及用户端生成或采集的电子信息都尤为重要，但是仍存在电子信息应用率低，大量可通过这些电子信息预测并解决的问题仍存在于智能硬件的应用场景中。
发明内容
在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
为了解决电子信息应用率低，大量可通过这些电子信息预测并解决的问题仍存在于智能硬件的应用场景中的问题，第一方面，本发明提出一种基于深度学习的电子信息管理方法，上述方法包括：
接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息；
在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为住宅属性的情况下，执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，向与所述第一地址匹配的多个第三地址所属的注册用户发送购药建议信息。
可选的，在所述病症信息包括传播特征的情况下，获取病症信息的传播特性，基于所述传播特征调整与所述第一地址匹配的多个第三地址区域范围。
可选的，所述重复购药风险提示消息包括所述第二地址和/或所述第二用户的部分通信信息。
第二方面，本发明还提出一种基于深度学习的电子信息管理装置，包括：
接收单元，用于接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
查询单元，用于在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息；
生成单元，用于在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
第三方面，一种电子设备，包括：存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器用于执行存储器中存储的计算机程序时实现如上述的第一方面任一项的基于深度学习的电子信息管理方法的步骤。
第四方面，本发明还提出一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现第一方面上述任一项的基于深度学习的电子信息管理方法。
综上，本申请提出的基于深度学***台或配送机器人在接收到第一用户的用药订单申请信息的情况下，可以通过比相似地址是否有他人的在先订单也申请购买了可能具有相同功效的药，来预测是否存在家庭或其他由多人组成的熟人关系组织中，至少两人为同一人重复购药的情况，从而避免为自己或亲人朋友重复购药的问题。
本发明的基于深度学习的电子信息管理方法，本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本说明书的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例提供的一种基于深度学习的电子信息管理方法流程示意图；
图2为本申请实施例提供的一种基于深度学习的电子信息管理装置结构示意图；
图3为本申请实施例提供的一种基于深度学习的电子信息管理电子设备结构示意图。
具体实施方式
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。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。
为了解决电子信息应用率低，大量可通过这些电子信息预测并解决的问题仍存在于智能硬件的应用场景中的问题，请参阅图1，为本申请实施例提供的一种基于深度学习的电子信息管理方法流程示意图，具体可以包括：步骤S110、S120和S130。
S110，接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息。
示例性的，上述第一用户可是当前提交用药订单申请信息的用户，所述第一地址信息可以是所述用户的收货地址，所述第一药品信息可以是用户订单中需要购买的药品名称及数量。在一些情况下，用户可以通过手机或与网络连接的计算机设备进行药品的异地后买或同城购买。
S120，在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息。
示例性的，软件平台或配送机器人可以在接收到第一用户的用药订单申请信息查询历史订单申请，在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，说明最近已经有其他用户(第二用户)采用了和第一用户的收货地址非常相近的地址进行了药品网购。
S130，在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
示例性的，在S120的情况下，可以通过查询第二用户订购的药品信息来辅助确认是否发生了不同用户通过相近的地址购买了相近功效的药品，那么极有可能第一用户目前的订单存在为自己或为朋友亲人重复下单的可能，此时可以向所述第一用户发送重复购药风险提示消息有效避免，家庭等熟人居所中出现病患时，多人重复为病患购药的情况。另外，即便病患为多人，由于购买的药品具有相同的功效，只要有人购买了药品，重复购药依然存在药品盈余浪费甚至超过有效期的情况。
综上，本申请实施例提供的基于深度学***台或配送机器人在接收到第一用户的用药订单申请信息的情况下，可以通过比相似地址是否有他人的在先订单也申请购买了可能具有相同功效的药，来预测是否存在家庭或其他由多人组成的熟人关系组织中，至少两人为同一人重复购药的情况，从而避免为自己或亲人朋友重复购药的问题。
根据一些实施例，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为住宅属性的情况下，执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
示例性的，在一些情况中，虽然第一地址与第二地址相近或相同，但是只有在地址为住宅属性的情况下，才会有可能存在家庭或熟人居所的场景，在这种场景下才有可能相互或帮助购药的情况，在所述第一地址的属性信息为住宅属性的情况下，才执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断，可以有效节省算力和提高信息分析及管理效率。
在一些示例中，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
示例性的，虽然第一地址与第二地址相近或相同，但是只有在地址为住宅属性的情况下，才会有可能存在家庭或熟人居所的场景，那么在第一地址的属性信息为公共地址属性的情况下，一般不会发生相互或帮助购药的情况，从而避免执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断，可以有效节省算力和提高信息分析及管理效率。
在一些示例中，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
示例性的，在第一地址的属性信息为公共地址属性的情况下，一般不会发生相互或帮助购药的情况，如果第一药品信息的功效用途特征关联的病症信息，能够进一步推测出同一地址下多人患病的可能性，进一步降低了为自己或他人重复购药的风险，那么便无需执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断，可以有效节省算力和提高信息分析及管理效率。
在一些示例中，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，向与所述第一地址匹配的多个第三地址所属的注册用户发送购药建议信息。
示例性的，在用户购买的药品的适应症具有传播特征的情况下，向与所述第一地址匹配的多个第三地址所属的注册用户发送购药建议信息，可以在不暴露用户隐私的情况下，有效降低第一用户周边的用户被传播患病的概率，并且上述购药建议信息可以是避免被传播患病防护性药物或医用防护物。
在一些示例中，在所述病症信息包括传播特征的情况下，获取病症信息的传播特性，基于所述传播特征调整与所述第一地址匹配的多个第三地址区域范围。
示例性的，不同的具有传播特征的疾病的具有不同的传播能力，可以基于疾病的传播能力来调整与所述第一地址匹配的多个第三地址区域范围，在传播能力较强的病症信息的情况下，扩大与所述第一地址匹配的多个第三地址区域范围。
在一些示例中，所述重复购药风险提示消息包括所述第二地址和/或所述第二用户的部分通信信息。
示例性的，可以通过向第一用户提示在先购药的第二用户的第二地址提醒第一用户避免重复购药，还可以通过提示在先购药的第二用户的手机尾号等信息提醒第一用户避免重复购药，既保证相熟的第一用户能够快速识别是否熟人已购买同种药品，又保证不相识的第一用户无法掌握购买同种药品的第二用户的全部信息，从而保护第二用户的隐私信息。
请参阅图2，本申请实施例中基于深度学习的电子信息管理装置的一个实施例，可以包括：
接收单元21，用于接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
查询单元22，用于在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息；
生成单元23，用于在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
综上，本申请实施例提供的基于深度学***台或配送机器人在接收到第一用户的用药订单申请信息的情况下，可以通过比相似地址是否有他人的在先订单也申请购买了可能具有相同功效的药，来预测是否存在家庭或其他由多人组成的熟人关系组织中，至少两人为同一人重复购药的情况，从而避免为自己或亲人朋友重复购药的问题。
如图3所示，本申请实施例还提供一种电子设备300，包括存储器310、处理器320及存储在存储器310上并可在处理器上运行的计算机程序311，处理器320执行计算机程序311时实现上述基于深度学习的电子信息管理的任一方法的步骤：
接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息；
在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为住宅属性的情况下，执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，向与所述第一地址匹配的多个第三地址所属的注册用户发送购药建议信息。
可选的，在所述病症信息包括传播特征的情况下，获取病症信息的传播特性，基于所述传播特征调整与所述第一地址匹配的多个第三地址区域范围。
可选的，所述重复购药风险提示消息包括所述第二地址和/或所述第二用户的部分通信信息。
由于本实施例所介绍的电子设备为实施本申请实施例中一种基于深度学习的电子信息管理装置所采用的设备，故而基于本申请实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍，只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
在具体实施过程中，该计算机程序311被处理器执行时可以实现图1对应的实施例中任一实施方式：
接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息；
在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为住宅属性的情况下，执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
可选的，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，向与所述第一地址匹配的多个第三地址所属的注册用户发送购药建议信息。
可选的，在所述病症信息包括传播特征的情况下，获取病症信息的传播特性，基于所述传播特征调整与所述第一地址匹配的多个第三地址区域范围。
可选的，所述重复购药风险提示消息包括所述第二地址和/或所述第二用户的部分通信信息。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。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、嵌入式计算机或者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。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，当计算机软件指令在处理设备上运行时，使得处理设备执行如图1对应实施例中的基于深度学习的电子信息管理的流程。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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***，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。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于深度学习的电子信息管理方法，其特征在于，包括：
接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息，其中，所述第二用户与所述第一用户为不同的用户；
在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息，所述重复购药风险提示消息包括所述第二用户的部分通信信息。
2.如权利要求1所述的方法，其特征在于，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为住宅属性的情况下，执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
3.如权利要求1所述的方法，其特征在于，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
4.如权利要求1所述的方法，其特征在于，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，不执行所述第一地址与预设时间内已存在第二用户的用药订单申请信息包括的第二地址匹配度的判断。
5.如权利要求3所述的方法，其特征在于，还包括：
获取所述第一地址的属性信息；
在所述第一地址的属性信息为公共地址属性的情况下，获取所述第一药品信息的功效用途特征关联的病症信息；
在所述病症信息包括传播特征的情况下，向与所述第一地址匹配的多个第三地址所属的注册用户发送购药建议信息。
6.如权利要求5所述的方法，其特征在于，在所述病症信息包括传播特征的情况下，获取病症信息的传播特性，基于所述传播特征调整与所述第一地址匹配的多个第三地址区域范围。
7.如权利要求1所述的方法，其特征在于，所述重复购药风险提示消息包括所述第二地址。
8.一种基于深度学习的电子信息管理装置，其特征在于，包括：
接收单元，用于接收第一用户的用药订单申请信息，所述用药订单申请信息包括第一地址信息和第一药品信息；
查询单元，用于在预设时间内已存在第二用户的用药订单申请信息包括的第二地址与所述第一地址匹配的情况下，查询所述第二用户的用药订单申请信息包括的第二药品信息，其中，所述第二用户与所述第一用户为不同的用户；
生成单元，用于在所述第一药品信息和所述第二药品信息的至少一种功效用途特征相同的情况下，在生成所述第一用户关联的第一订单前向所述第一用户发送重复购药风险提示消息。
9.一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的基于深度学习的电子信息管理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于深度学习的电子信息管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311164185.5A CN117035945B (zh) | 2023-09-08 | 2023-09-08 | 基于深度学习的电子信息管理方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311164185.5A CN117035945B (zh) | 2023-09-08 | 2023-09-08 | 基于深度学习的电子信息管理方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117035945A CN117035945A (zh) | 2023-11-10 |
| CN117035945B true CN117035945B (zh) | 2024-05-14 |
Family
ID=88630102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311164185.5A Active CN117035945B (zh) | 2023-09-08 | 2023-09-08 | 基于深度学习的电子信息管理方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117035945B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107492021A (zh) * | 2017-08-28 | 2017-12-19 | 武汉奇米网络科技有限公司 | 订单来源分析方法及装置 |
| CN109509048A (zh) * | 2017-09-15 | 2019-03-22 | 北京京东尚科信息技术有限公司 | 恶意订单识别方法、装置、电子设备及存储介质 |
| CN209103430U (zh) * | 2018-12-20 | 2019-07-12 | 宁波金格奥电器有限公司 | 一种互联网医保自动售药机 |
| CN113239240A (zh) * | 2021-03-15 | 2021-08-10 | 北京大学 | 医保违规对象发现方法及装置 |
| CN113837617A (zh) * | 2021-09-26 | 2021-12-24 | 广州新丝路信息科技有限公司 | 一种防刷单的风险管理方法及装置 |
| CN114550893A (zh) * | 2022-02-23 | 2022-05-27 | 拉扎斯网络科技（上海）有限公司 | 资源推送方法、装置、计算机设备及计算机可读存储介质 |
-
2023
- 2023-09-08 CN CN202311164185.5A patent/CN117035945B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107492021A (zh) * | 2017-08-28 | 2017-12-19 | 武汉奇米网络科技有限公司 | 订单来源分析方法及装置 |
| CN109509048A (zh) * | 2017-09-15 | 2019-03-22 | 北京京东尚科信息技术有限公司 | 恶意订单识别方法、装置、电子设备及存储介质 |
| CN209103430U (zh) * | 2018-12-20 | 2019-07-12 | 宁波金格奥电器有限公司 | 一种互联网医保自动售药机 |
| CN113239240A (zh) * | 2021-03-15 | 2021-08-10 | 北京大学 | 医保违规对象发现方法及装置 |
| CN113837617A (zh) * | 2021-09-26 | 2021-12-24 | 广州新丝路信息科技有限公司 | 一种防刷单的风险管理方法及装置 |
| CN114550893A (zh) * | 2022-02-23 | 2022-05-27 | 拉扎斯网络科技（上海）有限公司 | 资源推送方法、装置、计算机设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117035945A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109831504B (zh) | 微服务请求处理方法、装置及设备 | |
| US20210152510A1 (en) | System and method for receiving communications and providing alerts | |
| Hoyle et al. | Introduction of an extended care paramedic model in N ew Z ealand | |
| CN103973786B (zh) | 电子设备的通知消息的同步方法及电子设备 | |
| WO2004068386A1 (en) | Method and system for providing emergency health information | |
| EP3151726A1 (en) | Patient status notification | |
| US20160019353A1 (en) | Proxy authorization service object oriented system and method | |
| CN109903860A (zh) | 一种医患交互平台***及其应用方法 | |
| US20190189287A1 (en) | Systems and methods for predicting healthcare outcomes based on semantic relationships | |
| CN117035945B (zh) | 基于深度学习的电子信息管理方法及相关设备 | |
| CN105335920A (zh) | 患者数据的处理方法 | |
| KR101462748B1 (ko) | 건강정보의 군집화 방법 | |
| JP6585911B2 (ja) | 情報処理装置及び方法、並びにプログラム | |
| US20160026769A1 (en) | Facilitating Establishment of a Virtual Medical Consultation Session | |
| CN110852520A (zh) | 一种基于区块链的看护方法和装置 | |
| US20160188844A1 (en) | Cloud based emr manager | |
| US20140297308A1 (en) | Referral and record sharing systems and methods | |
| CN108063723A (zh) | 一种提示方法及电子设备 | |
| CN114334109A (zh) | 急诊绿区的监控方法、装置、设备及存储介质 | |
| CN114400060A (zh) | 患者诊疗数据管理方法、平台和*** | |
| CN104160418A (zh) | 用于提供个人健康记录信息的方法和装置 | |
| JP7160258B2 (ja) | 情報処理システム、情報送信装置、情報処理方法及びコンピュータプログラム | |
| TWM561863U (zh) | 信息推送架構系統 | |
| CN116665868A (zh) | 在线开方方法、装置、计算机设备及可读存储介质 | |
| CN115660553A (zh) | 一种物品属性数据更新的方法和装置 |
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 |