1.一种药物推荐模型训练方法，其特征在于，包括：

获取模型训练数据，所述模型训练数据包括训练药物、与所述训练药物相对应的训练病症数据和训练评论数据；

对所述模型训练数据中的训练评论数据进行情感分析，获取模型训练数据对应的标注情感标签；

对所述训练病症数据和所述训练评论数据进行特征提取，获取所述模型训练数据对应的训练文本特征，所述训练文本特征包括Bow特征、TF‑IDF特征、Word2Vec特征和手动特征；

基于每一所述训练文本特征和所述标注情感标签，获取模型训练样本，将所述模型训练样本存储在所述训练文本特征对应的特征样本集中，将所述特征样本集中的模型训练样本划分为特征训练集和特征测试集；

将所述特征训练集中的模型训练样本，输入所述训练文本特征对应的特征分类器进行模型训练，获取所述训练文本特征对应的原始特征药物推荐模型；

将所述特征测试集中的模型训练样本，输入所述训练文本特征对应的原始特征药物推荐模型进行识别，获取所述模型训练样本对应的预测情感标签；

根据所述模型训练样本对应的标注情感标签和所述预测情感标签，统计正向正确次数、负向正确次数、正向错误次数和负向错误次数；

根据所述正向正确次数、所述负向正确次数、所述正向错误次数和所述负向错误次数，获取所述训练文本特征对应的原始特征药物推荐模型的当前精度、当前撤回率、当前F1分数、当前准确率和当前AUC；

根据所述当前精度、所述当前撤回率、所述当前F1分数、所述当前准确率和所述当前AUC，获取所述训练文本特征对应的原始特征药物推荐模型的模型测试结果；

若所述模型测试结果为测试通过，则将所述训练文本特征对应的原始特征药物推荐模型，确定为所述训练文本特征对应的目标特征药物推荐模型。

2.如权利要求1所述的药物推荐模型训练方法，其特征在于，在所述将所述特征训练集中的模型训练样本，输入所述训练文本特征对应的特征分类器进行模型训练，获取所述训练文本特征对应的原始特征药物推荐模型之前，所述药物推荐模型训练方法还包括：统计所述特征训练集中的正样本数、负样本数和总样本数；

根据所述正样本数和所述负样本数，获取正负样本差值；

根据所述正负样本差值和所述总样本数，获取样本偏差比例；

若所述样本偏差比例大于偏差比例阈值，则采用过采样技术，对所述特征训练集中的模型训练样本进行过采样处理，获取更新后的模型训练样本。

3.一种药物推荐方法，其特征在于，包括：

获取待处理病症数据，根据所述待处理病症数据，确定与所述待处理病症数据相匹配的N个可用药物；

获取每一所述可用药物对应的M条待处理评论数据；

对所述待处理病症数据和所述待处理评论数据进行特征提取，获取所述待处理评论数据对应的目标文本特征，所述目标文本特征包括Bow特征、TF‑IDF特征、Word2Vec特征和手动特征；

采用权利要求1或2所述药物推荐模型训练方法所训练的目标特征药物推荐模型，将所述待处理评论数据对应的目标文本特征，输入到所述目标文本特征对应的目标特征药物推荐模型进行分析处理，获取每一所述待处理评论数据对应的评论推荐评分；

对每一所述可用药物对应的M条所述待处理评论数据对应的评论推荐评分进行综合处理，获取每一所述可用药物对应的药物推荐评分；

根据所有所述可用药物对应的药物推荐评分，确定目标推荐药物。

4.如权利要求3所述的药物推荐方法，其特征在于，所述将所述待处理评论数据对应的目标文本特征，输入到所述目标文本特征对应的目标特征药物推荐模型进行分析处理，获取每一所述待处理评论数据对应的评论推荐评分，包括：将所述待处理评论数据对应的目标文本特征，输入到所述目标文本特征对应的目标特征药物推荐模型进行分析处理，获取每一所述目标特征药物推荐模型输出的目标情感标签；

根据所有所述目标特征药物推荐模型输出的目标情感标签，获取每一所述待处理评论数据对应的评论推荐评分。

5.如权利要求3所述的药物推荐方法，其特征在于，所述对每一所述可用药物对应的M条所述待处理评论数据对应的评论推荐评分进行综合处理，获取每一所述可用药物对应的药物推荐评分，包括：统计每一所述可用药物对应的所述待处理评论数据的数量，确定为每一所述可用药物对应的单一药物评论数量；

根据N个所述可用药物对应的单一药物评论数量，获取每一所述可用药物对应的评论数量归一化值；

对每一所述可用药物对应的M条所述待处理评论数据对应的评论推荐评分进行处理，获取每一所述可用药物对应的单一药物评分；

根据每一所述可用药物对应的评论数量归一化值和单一药物评分，取每一所述可用药物对应的药物推荐评分。

6.一种药物推荐模型训练装置，其特征在于，包括：

模型训练数据获取模块，用于获取模型训练数据，所述模型训练数据包括训练药物、与所述训练药物相对应的训练病症数据和训练评论数据；

标注情感标签获取模块，用于对所述模型训练数据中的训练评论数据进行情感分析，获取模型训练数据对应的标注情感标签；

训练文本特征获取模块，用于对所述训练病症数据和所述训练评论数据进行特征提取，获取所述模型训练数据对应的训练文本特征，所述训练文本特征包括Bow特征、TF‑IDF特征、Word2Vec特征和手动特征；

模型训练样本获取模块，用于基于每一所述训练文本特征和所述标注情感标签，获取模型训练样本，将所述模型训练样本存储在所述训练文本特征对应的特征样本集中，将所述特征样本集中的模型训练样本划分为特征训练集和特征测试集；

原始推荐模型获取模块，用于将所述特征训练集中的模型训练样本，输入所述训练文本特征对应的特征分类器进行模型训练，获取所述训练文本特征对应的原始特征药物推荐模型；

目标推荐模型获取模块，用于将所述特征测试集中的模型训练样本，输入所述训练文本特征对应的原始特征药物推荐模型进行识别，获取所述模型训练样本对应的预测情感标签；根据所述模型训练样本对应的标注情感标签和所述预测情感标签，统计正向正确次数、负向正确次数、正向错误次数和负向错误次数；根据所述正向正确次数、所述负向正确次数、所述正向错误次数和所述负向错误次数，获取所述训练文本特征对应的原始特征药物推荐模型的当前精度、当前撤回率、当前F1分数、当前准确率和当前AUC；根据所述当前精度、所述当前撤回率、所述当前F1分数、所述当前准确率和所述当前AUC，获取所述训练文本特征对应的原始特征药物推荐模型的模型测试结果；若所述模型测试结果为测试通过，则将所述训练文本特征对应的原始特征药物推荐模型，确定为所述训练文本特征对应的目标特征药物推荐模型。

7.一种药物推荐装置，其特征在于，包括：

可用药物确定模块，用于获取待处理病症数据，根据所述待处理病症数据，确定与所述待处理病症数据相匹配的N个可用药物；

待处理评论数据获取模块，用于获取每一所述可用药物对应的M条待处理评论数据；

目标文本特征获取模块，用于对所述待处理病症数据和所述待处理评论数据进行特征提取，获取所述待处理评论数据对应的目标文本特征，所述目标文本特征包括Bow特征、TF‑IDF特征、Word2Vec特征和手动特征；

评论推荐评分获取模块，用于采用权利要求1或2所述药物推荐模型训练方法所训练的目标特征药物推荐模型，将所述待处理评论数据对应的目标文本特征，输入到所述目标文本特征对应的目标特征药物推荐模型进行分析处理，获取每一所述待处理评论数据对应的评论推荐评分；

药物推荐评分获取模块，用于对每一所述可用药物对应的M条所述待处理评论数据对应的评论推荐评分进行综合处理，获取每一所述可用药物对应的药物推荐评分；

目标推荐药物确定模块，根据所有所述可用药物对应的药物推荐评分，确定目标推荐药物。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

2任一项所述药物推荐模型训练方法，或者，所述处理器执行所述计算机程序时实现如权利要求3至5任一项所述药物推荐方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述药物推荐模型训练方法，或者，所述计算机程序被处理器执行时实现如权利要求3至5任一项所述药物推荐方法。