1.一種基于對比知識增強的藥物靶點關系預測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，藥物知識圖譜與重構(gòu)的知識圖譜中不同類型的實體與二部圖中節(jié)點的聚合均是采用關系感知的知識嵌入層進行的。
3.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，注意感知和知識感知的節(jié)點特征聚合的方法是：
4.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，采用重構(gòu)的任務相關子圖修改藥物知識圖譜的結(jié)構(gòu)的方法是：
5.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，對比損失函數(shù)是將主視圖和bgcl-kde模型映射到特征空間，比較主視圖和bgcl-kde模型的特征表示后得到。
6.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，優(yōu)化對比損失函數(shù)是按照以下步驟進行：從藥物與靶點關系的數(shù)據(jù)集中選擇正樣本和負樣本，比較正樣本對的預測得分與負樣本對的預測得分之間的差異，得到主任務損失函數(shù)，利用所述主任務損失函數(shù)優(yōu)化對比損失函數(shù)，得到總損失函數(shù)；其中，正樣本為同一節(jié)點在主視圖和bgcl-kde模型中的表示，負樣本為節(jié)點主視圖表示和bgcl-kde模型的全圖嵌入之間的差異；
7.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，利用更新后的bgcl-kde模型對藥物靶點關系進行預測是按照以下步驟進行：將藥物和靶點的數(shù)據(jù)輸入到更新后的bgcl-kde模型中，按照對比視圖的生成順序得到藥物嵌入向量與靶點嵌入向量，通過將藥物嵌入向量乘以靶點嵌入向量的轉(zhuǎn)置，得到藥物與靶點之間作用關系的預測結(jié)果。
8.根據(jù)權(quán)利要求7所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，利用具有注意感知機制的圖嵌入層得到藥物嵌入向量與靶點嵌入向量。
9.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，藥物知識圖譜中不同類型的實體為藥物分子、靶點和疾病。
10.根據(jù)權(quán)利要求1所述的基于對比知識增強的藥物靶點關系預測方法，其特征在于，所述二部圖中的節(jié)點為藥物分子和靶點。