随着信息技术的发展,线下医药零售企业积累了大量消费数据,如何从中挖掘出有价值的信息已成为企业关注的重点。同时,医药零售行业内的竞争也更加激烈,企业急需发展新的途径提升竞争力。精准推荐技术可以帮助企业在海量数据中挖掘出用户的兴趣,推荐用户喜欢的商品,刺激用户消费,从而促进企业发展。由于药品的毛利率远低于保健品,用户又很少购买保健品,所以本文主要研究如何在线下医药零售环境中提供精准的保健品推荐服务。本文面向线下医药零售场景,进行了精准推荐技术的相关研究,主要包括以下部分:第一,构建医药知识图谱并设计用户画像标签体系,通过购买的药品组合给目标用户打上人群标签,基于人群标签产生推荐结果。第二,分析目标用户与购买过保健品的用户的购药行为相似性,求出满足设定阈值的相似用户集合,并将集合中的相似用户购买的保健品作为用户喜好,计算目标用户对候选保健品的兴趣度,生成推荐结果。本文的创新之处在于:1、针对新用户和历史购药数据稀疏的用户,提出基于医药知识图谱和用户画像的推荐技术,通过医药知识图谱保证了医药知识的专业性,并有效的解决了冷启动、购药数据稀疏问题。2、针对历史购药数据丰富的用户,提出基于用户购药行为分析的推荐技术,通过用户购药行为分析,找到从未购买过保健品的用户的保健品喜好,有效解决由于缺乏保健品消费数据而无法进行个性化推荐的问题。经理论分析和实验结果证明了的本文推荐技术的有效性,实际应用效果表明在实际场景中具有较高的推荐准确率和极高的用户适用比例,满足线下医药零售企业的需求。