1.一种药物推荐方法，其特征在于，包括：

接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；

通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；所述识别结果包括肯定结果和否定结果；所述肯定结果包括至少一个肯定表征词，所述否定结果包括至少一个否定表征词；

将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；

将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；

将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；

将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；

从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户；

所述通过文本识别模型，对所述用户综合信息进行词义识别，包括：通过所述文本识别模型对所述用户综合信息进行语句拆分，得到各单元句；

通过所述文本识别模型对所述单元句拆分词语，得到与所述单元句对应的单元词；

通过所述文本识别模型对所有与所述单元句对应的所述单元词进行肯定词义识别，得到至少一个待处理语句，否定字识别并对所有与所述待处理语句对应的所述单元句进行否定字识别，检测所述单元句中是否包含有否定字；

若检测到与所述待处理语句对应的所述单元句中包含有所述否定字，将所述待处理语句和与所述待处理语句对应的所述单元句中的所述否定字进行组合，得到所述否定表征词；

将所有所述否定表征词确定为所述否定结果；

所述将所有所述肯定表征词输入药物推荐模型中之前，包括：获取包含多个喜好样本的喜好样本集；一个所述喜好样本与一个药物类型标签数组关联；一个所述喜好样本包括至少一个肯定表征词；

将所述喜好样本输入含有初始参数的多分类神经网络模型；

通过所述多分类神经网络模型对所述喜好样本进行药物类型识别，得到样本推荐结果；

根据所述样本推荐结果和所述药物类型标签数组，得到损失值；

在所述损失值未达到预设的收敛条件时，迭代更新所述多分类神经网络模型的初始参数，直至所述损失值达到所述预设的收敛条件时，将收敛之后的所述多分类神经网络模型记录为药物推荐模型。

2.如权利要求1所述的药物推荐方法，其特征在于，所述接收到用户的药物推荐请求，包括：获取所述药物推荐请求中的待推荐信息；

通过信息识别模型识别出所述待推荐信息的文件类型，得到类型结果；

获取与所述类型结果匹配的转换模型，通过所述转换模型对所述待推荐信息进行文本转换，得到所述用户综合信息。

3.如权利要求1所述的药物推荐方法，其特征在于，所述检测所述单元句中是否包含有否定字之后，还包括：若检测到与所述待处理语句对应的所述单元句中不存在所述否定字，将所述待处理语句确定为所述肯定表征词；

将所有所述肯定表征词确定为所述肯定结果。

4.如权利要求1所述的药物推荐方法，其特征在于，所述自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，包括：将所述最终推荐结果中的药物类型输入预设的文本相似度模型；

通过文本相似度模型中的Word2vec相似度算法计算出所述最终推荐结果中的药物类型和与所述数据库中的各药物数据关联的药物类型的相似度值；

将与大于预设阈值的所述相似度值对应的药物数据确定为推荐药物数据，将所有推荐药物数据按照与其对应的所述相似度值由大到小的顺序排序，将排序后的所有所述推荐药物数据确定为与所述最终推荐结果中的药物类型相匹配的药物数据。

5.一种药物推荐装置，其特征在于，包括：

获取模块，用于接收到用户的药物推荐请求，获取所述药物推荐请求中的用户综合信息；

识别模块，用于通过文本识别模型，对所述用户综合信息进行词义识别，得到识别结果；所述识别结果包括肯定结果和否定结果；所述肯定结果包括至少一个肯定表征词，所述否定结果包括至少一个否定表征词；

第一推荐模块，用于将所有所述肯定表征词输入药物推荐模型中，通过所述药物推荐模型对所有所述肯定表征词进行药物类型识别，得到第一推荐结果；

组合模块，用于将各所述否定表征词进行词义转换，得到与各所述否定表征词对应的转换词，并将所有所述肯定表征词与各所述转换词分别组合，得到与所述转换词对应的组合集；

第二推荐模块，用于将各所述组合集分别输入所述药物推荐模型中，通过所述药物推荐模型对各所述组合集进行药物类型识别，得到与各所述组合集对应的第二推荐结果；

第三推荐模块，用于将所有所述第二推荐结果中的药物类型进行去重，得到第三推荐结果；

第一输出模块，用于从所述第一推荐结果中去除所述第三推荐结果中的药物类型，得到与所述用户综合信息对应的最终推荐结果，自数据库中获取与所述最终推荐结果中的药物类型相匹配的药物数据，并将获取的所述药物数据推荐给用户；

所述识别模块还用于：

通过所述文本识别模型对所述用户综合信息进行语句拆分，得到各单元句；

通过所述文本识别模型对所述单元句拆分词语，得到与所述单元句对应的单元词；

通过所述文本识别模型对所有与所述单元句对应的所述单元词进行肯定词义识别，得到至少一个待处理语句，否定字识别并对所有与所述待处理语句对应的所述单元句进行否定字识别，检测所述单元句中是否包含有否定字；

若检测到与所述待处理语句对应的所述单元句中包含有所述否定字，将所述待处理语句和与所述待处理语句对应的所述单元句中的所述否定字进行组合，得到所述否定表征词；

将所有所述否定表征词确定为所述否定结果；

所述第一推荐模块还用于：

获取包含多个喜好样本的喜好样本集；一个所述喜好样本与一个药物类型标签数组关联；一个所述喜好样本包括至少一个肯定表征词；

将所述喜好样本输入含有初始参数的多分类神经网络模型；

通过所述多分类神经网络模型对所述喜好样本进行药物类型识别，得到样本推荐结果；

根据所述样本推荐结果和所述药物类型标签数组，得到损失值；

在所述损失值未达到预设的收敛条件时，迭代更新所述多分类神经网络模型的初始参数，直至所述损失值达到所述预设的收敛条件时，将收敛之后的所述多分类神经网络模型记录为药物推荐模型。

6.如权利要求5所述的药物推荐装置，其特征在于，所述获取模块包括：信息获取子模块，用于获取所述药物推荐请求中的待推荐信息；

类型识别子模块，用于通过信息识别模型识别出所述待推荐信息的文件类型，得到类型结果；

转换子模块，用于获取与所述类型结果匹配的转换模型，通过所述转换模型对所述待推荐信息进行文本转换，得到所述用户综合信息。

7.一种计算机设备，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

4任一项所述药物推荐方法。

8.一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4任一项所述药物推荐方法。