1.一種基于隱半馬爾可夫模型的藥品推薦方法，其特征在于，主要包括以下步驟：
第一步、訓(xùn)練數(shù)據(jù)預(yù)處理，即對(duì)用戶在醫(yī)藥平臺(tái)的上網(wǎng)行為數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，生成用戶行為序列的訓(xùn)練數(shù)據(jù)集；
第二步、對(duì)藥品推薦模型的參數(shù)進(jìn)行估計(jì)；
第三步、采集用戶在醫(yī)藥平臺(tái)的上網(wǎng)行為序列；
第四步、以用戶的上網(wǎng)行為序列為觀測(cè)值，使用訓(xùn)練好的藥品推薦模型推斷用戶的狀態(tài)序列；
第五步、計(jì)算狀態(tài)序列的各狀態(tài)的期望持續(xù)時(shí)間；
第六步、將所得的各狀態(tài)的期望持續(xù)時(shí)間按降序排序，得到用戶最關(guān)注的前復(fù)數(shù)個(gè)狀態(tài)，即用戶最關(guān)注的前復(fù)數(shù)種病情；
第七步、根據(jù)用戶最關(guān)注的前復(fù)數(shù)種病情，向用戶推薦相應(yīng)的藥品。
2.根據(jù)權(quán)利要求1所述的一種基于隱半馬爾可夫模型的藥品推薦方法，其特征在于，所述藥品推薦模型為基于隱半馬爾可夫模型的模型。
3.根據(jù)權(quán)利要求1所述的一種基于隱半馬爾可夫模型的藥品推薦方法，其特征在于，所述藥品推薦模型的參數(shù)模型表示為：θ＝{π,A,B}；其中，π為初始模型的初始狀態(tài)概率，A為狀態(tài)轉(zhuǎn)移概率，B為觀測(cè)概率。
4.根據(jù)權(quán)利要求1所述的一種基于隱半馬爾可夫模型的藥品推薦方法，其特征在于，所述對(duì)藥品推薦模型的參數(shù)進(jìn)行估計(jì)的方法為前向后向算法。
5.根據(jù)權(quán)利要求1所述的一種基于隱半馬爾可夫模型的藥品推薦方法，其特征在于，所述第四步使用訓(xùn)練好的藥品推薦模型推斷用戶的狀態(tài)序列的推斷方法為基于Viterbi算法。