一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)技術方案

本發(fā)明專利技術的實施例公開了一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)。方法包括：采集數(shù)據(jù)，得到藥品市場的樣本數(shù)據(jù)集合；對所述樣本數(shù)據(jù)集合進行預處理，選擇數(shù)據(jù)實例構建樣本集，創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫；對所述算法數(shù)據(jù)庫中的數(shù)據(jù)進行手動篩選和相關性分析，確定影響藥品價格的關鍵因素；建立藥品市場數(shù)據(jù)分析模型；對所述藥品市場數(shù)據(jù)分析模型進行訓練；使用模型對藥品市場數(shù)據(jù)進行預測。系統(tǒng)包括數(shù)據(jù)采集模塊，預處理模塊，數(shù)據(jù)庫分析模塊，建模模塊，模型訓練模塊和預測模塊。本發(fā)明專利技術能夠有效解決藥品市場復雜性、關鍵因素識別以及未來趨勢預測等技術問題，從而提升決策者對市場的準確洞察，優(yōu)化商業(yè)決策。優(yōu)化商業(yè)決策。優(yōu)化商業(yè)決策。

【技術實現(xiàn)步驟摘要】
一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)


[0001]本專利技術涉及藥品市場數(shù)據(jù)分析領域，特別涉及一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)。

技術介紹

[0002]隨著市場經(jīng)濟和全球化的不斷發(fā)展，數(shù)據(jù)分析在各個領域扮演著越來越重要的角色。在藥品市場這個復雜且動態(tài)變化的環(huán)境中，準確地把握市場趨勢和變化對于企業(yè)和決策者來說至關重要。然而，傳統(tǒng)的藥品市場數(shù)據(jù)分析方法存在著數(shù)據(jù)采集受限、分析結果多樣性、細節(jié)不夠全面等問題，限制了對市場情況的全面理解。
[0003]為了更好地滿足市場分析的需求，一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)應運而生。這種方法通過收集來自藥品市場交易平臺和行業(yè)報告的豐富數(shù)據(jù)樣本，借助先進的分析技術和模型，旨在揭示藥品市場的內(nèi)在規(guī)律和潛在趨勢，從而為決策者提供更準確的市場洞察。
[0004]目前，盡管存在著預測市場未來趨勢的嘗試，但由于藥品市場的復雜性和變動性，預測結果與實際情況之間的偏差不可避免。因此，基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法和系統(tǒng)的引入，有望彌補這一不足。通過綜合考慮歷史價格數(shù)據(jù)、交易情況、市場指標、政策變化、季節(jié)性趨勢、相關行業(yè)信息、經(jīng)濟指標以及市場情緒等多維數(shù)據(jù)，該方法可以更全面地洞察市場現(xiàn)象，提供更精準的預測和分析結果。
[0005]因此，需要引入基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)，用于提高市場分析的精確度和效率，為企業(yè)和決策者提供更可靠的未來市場走向預測，從而在日益競爭激烈的市場中獲取競爭優(yōu)勢。

技術實現(xiàn)思路

[0006]有鑒于此，本專利技術實施例的目的在于提供一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法及系統(tǒng)，能夠有效解決藥品市場復雜性、關鍵因素識別以及未來趨勢預測等技術問題，從而提升決策者對市場的準確洞察，優(yōu)化商業(yè)決策。
[0007]第一方面，本專利技術實施例提供了一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其中，包括：
[0008]從藥品市場交易平臺和藥品行業(yè)報告中采集數(shù)據(jù)，得到藥品市場的樣本數(shù)據(jù)集合；
[0009]對所述樣本數(shù)據(jù)集合進行預處理，選擇數(shù)據(jù)實例構建樣本集，創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫；
[0010]對所述算法數(shù)據(jù)庫中的數(shù)據(jù)進行手動篩選和相關性分析，確定影響藥品價格的關鍵因素；
[0011]建立藥品市場數(shù)據(jù)分析模型；
[0012]用所述關鍵因素作為訓練數(shù)據(jù)對所述藥品市場數(shù)據(jù)分析模型進行訓練，優(yōu)化所述
藥品市場數(shù)據(jù)分析模型的參數(shù)；
[0013]使用優(yōu)化后的所述藥品市場數(shù)據(jù)分析模型對藥品市場數(shù)據(jù)進行預測。
[0014]結合第一方面，本專利技術實施例提供了第一方面的第一種可能的實施方式，其中，所述從藥品市場交易平臺和藥品行業(yè)報告中采集數(shù)據(jù)，得到藥品市場的樣本數(shù)據(jù)集合，包括：
[0015]獲得藥品市場交易平臺和藥品行業(yè)報告的數(shù)據(jù)訪問權，通過API接口從數(shù)據(jù)提供方采集數(shù)據(jù)；
[0016]采集的所述數(shù)據(jù)中包括藥品生產(chǎn)數(shù)據(jù)、藥品交易數(shù)據(jù)、藥品質(zhì)量數(shù)據(jù)、藥品流通渠道數(shù)據(jù)、社交媒體數(shù)據(jù)、市場指標中的至少一種；
[0017]將采集的數(shù)據(jù)按照時間段排列，得到樣本數(shù)據(jù)集合。
[0018]結合第一方面，本專利技術實施例提供了第一方面的第二種可能的實施方式，其中，所述對所述樣本數(shù)據(jù)集合進行預處理，選擇數(shù)據(jù)實例構建樣本集，創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫，包括：
[0019]對所述樣本數(shù)據(jù)集合中的數(shù)據(jù)進行預處理，消除冗余、異常和缺失值，將來自不同數(shù)據(jù)源的數(shù)據(jù)進行無縫整合；
[0020]將預處理后的數(shù)據(jù)進行編碼，得到結構化數(shù)據(jù)集合，每條所述結構化數(shù)據(jù)中包括定性信息和定量信息；
[0021]將所述結構化數(shù)據(jù)集合基于時間序列的特性，按時間切片，形成不同時間段的切片數(shù)據(jù)，從每個所述不同時間段的切片數(shù)據(jù)中按照預設規(guī)則抽取數(shù)據(jù)實例；
[0022]將抽取的所述數(shù)據(jù)實例集合，構建樣本集；
[0023]根據(jù)所述樣本集創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫，所述算法數(shù)據(jù)庫中的每個樣本包含選定的特征以及對應的預測目標。
[0024]結合第一方面，本專利技術實施例提供了第一方面的第三種可能的實施方式，其中，所述對所述算法數(shù)據(jù)庫中的數(shù)據(jù)進行手動篩選和相關性分析，確定影響藥品價格的關鍵因素，包括：
[0025]從所述算法數(shù)據(jù)庫中提取數(shù)據(jù)實例，將提取的所述數(shù)據(jù)實例進行解析，得到各個數(shù)據(jù)實例的特征和目標變量的值；
[0026]選擇與藥品價格變動相關的特征，包括歷史藥品價格數(shù)據(jù)、交易數(shù)據(jù)、市場指標、政策信息、季節(jié)性信息、相關行業(yè)數(shù)據(jù)、經(jīng)濟指標、市場情緒指標中的至少一種；
[0027]計算特征之間的皮爾遜相關系數(shù)，設定系數(shù)閾值，排除相關系數(shù)絕對值低于所述系數(shù)閾值的特征，得到影響藥品價格的關鍵因素。
[0028]結合第一方面，本專利技術實施例提供了第一方面的第四種可能的實施方式，其中，所述藥品市場數(shù)據(jù)分析模型的輸入層的節(jié)點包括歷史藥品價格數(shù)據(jù)、交易數(shù)據(jù)、市場指標、政策信息、季節(jié)性信息、相關行業(yè)數(shù)據(jù)、經(jīng)濟指標和市場情緒指標，輸出層的節(jié)點包括藥品價格預測、銷售量預測、市場趨勢預測、供需關系預測和市場份額變化預測。
[0029]結合第一方面，本專利技術實施例提供了第一方面的第五種可能的實施方式，其中，所述用所述關鍵因素作為訓練數(shù)據(jù)對所述藥品市場數(shù)據(jù)分析模型進行訓練，優(yōu)化所述藥品市場數(shù)據(jù)分析模型的參數(shù)，包括：
[0030]定義模型的輸入向量X＝[P,T,M,Pi,Si,R,E,S]，其中P為歷史藥品價格數(shù)據(jù)，T為交易數(shù)據(jù)，M為市場指標，Pi為政策信息，Si為季節(jié)性信息，R為相關行業(yè)數(shù)據(jù)，E為經(jīng)濟指標，
S為市場情緒指標；
[0031]定義模型的輸出向量Y＝[PP,SV,MT,SD,MS]，其中，PP為藥品價格預測結果，SV為銷售量預測結果，MT為市場趨勢預測結果，SD為供需關系預測結果，MS為市場份額變化預測結果；
[0032]輸入向量X，通過神經(jīng)網(wǎng)絡進行前向傳播，計算得到模型預測函數(shù)Y_pred＝NeuralNetwork(X)；
[0033]重復進行前向傳播運算，直到模型收斂，更新所述藥品市場數(shù)據(jù)分析模型的參數(shù)。
[0034]第二方面，本專利技術實施例還提供了一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析系統(tǒng)，其中，包括：
[0035]數(shù)據(jù)采集模塊，用于從藥品市場交易平臺和藥品行業(yè)報告中采集數(shù)據(jù)，得到藥品市場的樣本數(shù)據(jù)集合；
[0036]預處理模塊，用于對所述樣本數(shù)據(jù)集合進行預處理，選擇數(shù)據(jù)實例構建樣本集，創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫；
[0037]數(shù)據(jù)庫分析模塊，用于對所述算法數(shù)據(jù)庫中的數(shù)據(jù)進行手動篩選和相關性分析，確定影響藥品價格的關鍵因素；
[0038]建模模塊，用于建立藥品市場數(shù)據(jù)分析模型，所述藥品市場數(shù)據(jù)分析模型的輸入層的節(jié)點包括歷史藥品價格數(shù)據(jù)、交易數(shù)據(jù)、市場指標、政策信息、季節(jié)性信息、相關行業(yè)數(shù)據(jù)、經(jīng)濟指標和市場情緒指標，輸出層的節(jié)點包括藥品價格預測、銷售量預測、市場趨勢預測、供需關系預測和市場份額本文檔來自技高網(wǎng)...

【技術保護點】

【技術特征摘要】
1.一種基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其特征在于，包括：從藥品市場交易平臺和藥品行業(yè)報告中采集數(shù)據(jù)，得到藥品市場的樣本數(shù)據(jù)集合；對所述樣本數(shù)據(jù)集合進行預處理，選擇數(shù)據(jù)實例構建樣本集，創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫；對所述算法數(shù)據(jù)庫中的數(shù)據(jù)進行手動篩選和相關性分析，確定影響藥品價格的關鍵因素；建立藥品市場數(shù)據(jù)分析模型；用所述關鍵因素作為訓練數(shù)據(jù)對所述藥品市場數(shù)據(jù)分析模型進行訓練，優(yōu)化所述藥品市場數(shù)據(jù)分析模型的參數(shù)；使用優(yōu)化后的所述藥品市場數(shù)據(jù)分析模型對藥品市場數(shù)據(jù)進行預測。2.根據(jù)權利要求1所述的基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其特征在于，所述從藥品市場交易平臺和藥品行業(yè)報告中采集數(shù)據(jù)，得到藥品市場的樣本數(shù)據(jù)集合，包括：獲得藥品市場交易平臺和藥品行業(yè)報告的數(shù)據(jù)訪問權，通過API接口從數(shù)據(jù)提供方采集數(shù)據(jù)；采集的所述數(shù)據(jù)中包括藥品生產(chǎn)數(shù)據(jù)、藥品交易數(shù)據(jù)、藥品質(zhì)量數(shù)據(jù)、藥品流通渠道數(shù)據(jù)、社交媒體數(shù)據(jù)、市場指標中的至少一種；將采集的數(shù)據(jù)按照時間段排列，得到樣本數(shù)據(jù)集合。3.根據(jù)權利要求2所述的基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其特征在于，所述對所述樣本數(shù)據(jù)集合進行預處理，選擇數(shù)據(jù)實例構建樣本集，創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫，包括：對所述樣本數(shù)據(jù)集合中的數(shù)據(jù)進行預處理，消除冗余、異常和缺失值，將來自不同數(shù)據(jù)源的數(shù)據(jù)進行無縫整合；將預處理后的數(shù)據(jù)進行編碼，得到結構化數(shù)據(jù)集合，每條所述結構化數(shù)據(jù)中包括定性信息和定量信息；將所述結構化數(shù)據(jù)集合基于時間序列的特性，按時間切片，形成不同時間段的切片數(shù)據(jù)，從每個所述不同時間段的切片數(shù)據(jù)中按照預設規(guī)則抽取數(shù)據(jù)實例；將抽取的所述數(shù)據(jù)實例集合，構建樣本集；根據(jù)所述樣本集創(chuàng)建用于模型訓練的算法數(shù)據(jù)庫，所述算法數(shù)據(jù)庫中的每個樣本包含選定的特征以及對應的預測目標。4.根據(jù)權利要求3所述的基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其特征在于，所述對所述算法數(shù)據(jù)庫中的數(shù)據(jù)進行手動篩選和相關性分析，確定影響藥品價格的關鍵因素，包括：從所述算法數(shù)據(jù)庫中提取數(shù)據(jù)實例，將提取的所述數(shù)據(jù)實例進行解析，得到各個數(shù)據(jù)實例的特征和目標變量的值；選擇與藥品價格變動相關的特征，包括歷史藥品價格數(shù)據(jù)、交易數(shù)據(jù)、市場指標、政策信息、季節(jié)性信息、相關行業(yè)數(shù)據(jù)、經(jīng)濟指標、市場情緒指標中的至少一種；計算特征之間的皮爾遜相關系數(shù)，設定系數(shù)閾值，排除相關系數(shù)絕對值低于所述系數(shù)閾值的特征，得到影響藥品價格的關鍵因素。5.根據(jù)權利要求4所述的基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其特征在于，所述藥
品市場數(shù)據(jù)分析模型的輸入層的節(jié)點包括歷史藥品價格數(shù)據(jù)、交易數(shù)據(jù)、市場指標、政策信息、季節(jié)性信息、相關行業(yè)數(shù)據(jù)、經(jīng)濟指標和市場情緒指標，輸出層的節(jié)點包括藥品價格預測、銷售量預測、市場趨勢預測、供需關系預測和市場份額變化預測。6.根據(jù)權利要求5所述的基于樣本數(shù)據(jù)的藥品市場數(shù)據(jù)分析方法，其特征在于，所述用所述關鍵因素作為訓練數(shù)據(jù)對所述藥品市場數(shù)據(jù)分析模型進行訓練，優(yōu)化所述藥品市場數(shù)據(jù)分析模型的參數(shù)，包括：定義模型的輸入向量X＝[P,T,M,Pi,Si,R,E,S]，其中P為歷史藥品價格數(shù)據(jù)，T為交易數(shù)據(jù)，M為市場指標，Pi為政策信息，Si為季節(jié)性信息，R為相關行業(yè)數(shù)據(jù)，E為經(jīng)濟指標，S為市場情緒指標；定義模型的輸出...

【專利技術屬性】
技術研發(fā)人員：薛林桐，楊紹杰，黃鑫，
申請(專利權)人：北京法伯宏業(yè)科技發(fā)展有限公司，
類型：發(fā)明
國別省市：