关键词:
深度学习
药品信息
分布式检索
特征匹配
神经网络判别器
交叉熵损失函数
先进先出原则
摘要:
由于药品信息自身构成较为复杂,导致检索结果的相关性难以得到保障,为此,提出大数据驱动下基于深度学习的药品信息分布式检索研究。通过设计一个针对药品信息特征匹配的神经网络判别器,开展药品信息匹配分析,并引入了交叉熵损失函数,对二分类问题中(判断两个药品是否匹配)的真假进行计算;在分布式遍历检索阶段,为节点分配一个唯一的标识符,并设置相应的访问状态为未访问,通过将“最大遍历节点数”作为变量,对检索的遍历过程中进行动态更新,在先进先出原则下,当所有节点都被访问过,并且没有新的药品信息被检索到时,遍历过程结束,输出与目标检索信息拟合度最高的TOP-N药品信息队列。在测试结果中,检索结果的相关性始终在0.90以上,最大值为0.947。