面对网络时代带来的海量医疗信息,高效地分析处理大量的医疗信息,对于智能医疗的意义是非凡的。比如在药品信息化领域,随着药品种类快速增长,医生和患者需要花费大量的时间才能找到自己需要的药品。浏览大量无关的信息和药品会使淹没在信息过载问题中的医生和患者感到迷茫。推荐技术因为能够精准地推荐符合医院需求的相关信息,在药品信息化领域得到越来越广泛的应用。在推荐算法、数据挖掘等领域得到普遍应用的K-means算法由于具有计算时间相对较短、容易解释、聚类效果较好的优点,受到了研究者广泛关注。本论文对K-means聚类的相关技术与推荐算法进行研究,并在此基础上设计了一个面向医院门诊医生的药品推荐系统。本文设计基于K-means聚类的药品推荐系统。首先,提出构建药品推荐系统的设计思路并进行分步研究;其次,通过引入K-means聚类算法以提高药品推荐效率,使系统能够迅速有效地推荐出符合医院门诊医生需求的药品。本文介绍了推荐系统、K-means聚类算法的相关知识以及在药品推荐系统开发中使用的模型和推荐算法。在药品推荐模型设计中,首先输入经过预处理的药品数据;其次对已有的药品数据加以分析、总结,并结合药品说明书提出基于K-means聚类算法的药品推荐模型;根据MAE曲线对药品相似度关系进行分析,得出合理的药品推荐方法;最后给出输出数据的方法。在系统设计,介绍了系统开发运行环境,系统的架构分析,并着重阐述了系统的具体设计,包括系统设置、药品数据管理、药品信息查询与推荐、药品库存管理、医生管理、系统管理等主要功能模块和数据库设计。在系统实现部分详细介绍了各功能模块的实现,并且在最后测试了系统使用情况。本文设计和实现了药品推荐系统,目的是使药品推荐系统容易被医院门诊医生接受和使用,减轻医生开药工作的负担。