一种基于分层算法缓解实体稀疏性的药物推荐模型的构建方法

本发明公开了一种基于分层算法缓解实体稀疏性的药物推荐模型的构建方法，属于药物推荐技术领域，包括：建立预训练模块，得到患者的健康表示；相关性分层；构建双属性图网络表示阶段；将表示安全性的药物图和用于表示药物疾病/手术准确性的二分图聚合为图网络中的双属性表示；推荐相关药物组合来适应长期健康状况；构建损失函数，包括基于推荐药物的预测概率和真实标签的交叉熵损失和DDI损失；对深度学习模型进行训练获得预测的药物推荐表示。本发明通过对患者历史记录数据分层以及进行序列关系的捕获以及对药物、疾病、手术形成准确图结构和安全图结构，能够提高药物推荐的性能，减少计算量。