基于多任务学习和检索增强的药物推荐方法及系统

本发明提供了一种基于多任务学习和检索增强的药物推荐方法及系统，涉及智能医药技术领域，包括：对电子病历数据集和外部知识数据进行预处理，将文件中的诊断、手术和药物数据向量化，构建多任务形式化输入；构建基于多任务学习和检索增强的药物推荐模型，药物推荐模型包括：多任务学习模块、检索增强药物预测模块和多任务聚合模块；利用药物推荐模型得到药物推荐结果。本发明在深度卷积神经网络模型中引入多任务表示学习模块，通过引入临床分类软件代码知识去丰富病人表示，以缓解数据分布不平衡对模型性能的影响。同时，设计检索增强预测模块去建模病人历史药物信息，通过挖掘历史药物中有价值信息以提升模型预测性能。