1.一种药物重定向模型生成方法，其特征在于，包括：

获取基因调控网络以及预设关联关系数据，其中，所述预设关联关系数据包括疾病‑基因关联关系数据、药物‑疾病关联关系数据以及药物‑基因关联关系数据；

基于所述基因调控网络以及所述预设关联关系数据，生成目标调控网络，并将预设药物分子数据特征嵌入至所述目标调控网络包含的各药物节点中；

依据嵌入后的目标调控网络，对预设重定向学习模型进行训练，以得到药物重定向模型；

所述将预设药物分子数据特征嵌入至所述目标调控网络包含的各药物节点中之前，所述方法还包括：获取预设数据库中存储的药物分子，并依据每个所述药物分子构建对应的第一药物分子图，其中，所述第一药物分子图包括原子节点以及节点关联边；

将所述第一药物分子图输入至预设分子特征学习模型的分子图构建层，通过所述分子图构建层构建第二药物分子图；

将所述第一药物分子图以及所述第二药物分子图输入至所述预设分子特征学习模型的特征识别层，得到与每个所述原子节点对应的原子节点数据特征，以及所述节点关联边对应的关联边数据特征；

将所述原子节点数据特征以及所述关联边数据特征输入至所述预设分子特征学习模型的判断层，得到所述第一药物分子图以及所述第二药物分子图的属性判断结果，并依据所述属性判断结果计算所述预设分子特征学习模型的结果判断准确率；

当所述结果判断准确率小于或等于预设准确率时，调整所述原子节点数据特征以及所述关联边数据特征，并再次计算结果判断准确率；

当所述结果判断准确率大于预设准确率时，基于所述原子节点数据特征以及所述关联边数据特征，得到所述预设药物分子数据特征。

2.根据权利要求1所述的方法，其特征在于，所述基于所述原子节点数据特征以及所述关联边数据特征，得到所述预设药物分子数据特征，具体包括：依据所述目标调控网络中的每个所述药物节点，确定每个所述药物节点对应的原子节点以及节点关联边，并查找与所述原子节点对应的所述原子节点数据特征，以及所述节点关联边对应的所述关联边数据特征；

将每个所述原子节点数据特征以及所述关联边数据特征进行降维处理，生成原子节点数据以及关联边数据，并按照预设顺序将所述原子节点数据以及所述关联边数据进行排列，得到所述预设药物分子数据特征。

3.根据权利要求1所述的方法，其特征在于，所述预设重定向学习模型包括预设数据特征学习模型以及预设数据特征预测模型；所述依据嵌入后的目标调控网络，对预设重定向学习模型进行训练，以得到药物重定向模型，具体包括：将所述嵌入后的目标调控网络输入至预设数据特征学习模型中，通过所述预设数据特征学习模型得到与所述嵌入后的目标调控网络中每组关联关系数据对应的正采样数据特征集合，并依据所述正采样数据特征集合得到对应的负采样数据特征集合，基于所述正采样数据特征集合以及所述负采样数据特征集合计算所述预设数据特征学习模型的第一损失值；

将所述嵌入后的目标调控网络中任一节点作为目标节点，查找所述目标节点对应的一阶近邻节点以及对应的一阶关联边，从所述正采样数据特征集合中确定与每个所述一阶近邻节点对应的一阶节点数据特征，以及与每个所述一阶关联边对应的一阶边数据特征，并将所述一阶节点数据特征以及所述一阶边数据特征输入至所述预设数据特征预测模型的投影层中，得到与所述目标节点对应的一阶近邻数据特征，并依据所述一阶近邻数据特征，计算所述预设数据特征预测模型的第二损失值；

基于所述第一损失值与所述第二损失值，计算所述预设重定向学习模型的模型损失值；

当所述模型损失值大于预设损失阈值时，通过所述预设数据特征预测模型的输出层以及所述一阶近邻数据特征得到与所述目标节点对应的目标数据特征，并通过所述目标数据特征更新所述正采样数据特征集合以及所述负采样数据特征集合，并再次计算所述模型损失值；

当所述模型损失值小于或等于预设损失阈值时，得到所述药物重定向模型。

4.根据权利要求3所述的方法，其特征在于，所述得到所述药物重定向模型之后，所述方法还包括：基于所述嵌入后的目标调控网络，从所述嵌入后的目标调控网络中确定目标药物节点以及与所述目标药物节点对应的全部一阶关联边；

从所述正采样数据特征集合中获取与所述目标药物节点以及所述全部一阶关联边对应的数据特征，并将所述数据特征输入至所述预设数据特征预测模型中，得到与所述目标药物节点对应的目标疾病数据特征；

依据所述目标疾病数据特征，从所述嵌入后的目标调控网络对应的疾病节点中确定对应的目标疾病。

5.根据权利要求4所述的方法，其特征在于，所述依据所述目标疾病数据特征，从所述嵌入后的目标调控网络对应的疾病节点中确定对应的目标疾病，具体包括：依据所述目标疾病数据特征，从所述正采样数据特征集合中确定与所述嵌入后的目标调控网络中每个疾病节点对应的疾病节点数据特征，并依据所述目标疾病数据特征以及所述疾病节点数据特征，确定特征相似度；

基于所述特征相似度，将所述特征相似度较高的预设数量的疾病节点对应的疾病作为目标疾病。

6.根据权利要求1所述的方法，其特征在于，所述基于所述基因调控网络以及所述预设关联关系数据，生成目标调控网络，具体包括：基于基因调控网络以及所述疾病‑基因关联关系数据，生成目标调控网络中基因节点与疾病节点之间的第一特征边，基于所述基因调控网络以及所述药物‑基因关联关系数据，生成所述目标调控网络中所述基因节点与药物节点之间的第二特征边，并基于所述药物‑疾病关联关系数据，生成所述目标调控网络中所述药物节点与所述疾病节点之间的第三特征边，以生成所述目标调控网络。

7.一种药物重定向模型生成装置，其特征在于，包括：

获取模块，用于获取基因调控网络以及预设关联关系数据，其中，所述预设关联关系数据包括疾病‑基因关联关系数据、药物‑疾病关联关系数据以及药物‑基因关联关系数据；

网络生成模块，用于基于所述基因调控网络以及所述预设关联关系数据，生成目标调控网络，并将预设药物分子数据特征嵌入至所述目标调控网络包含的各药物节点中；

训练模块，用于依据嵌入后的目标调控网络，对预设重定向学习模型进行训练，以得到药物重定向模型；

所述装置还包括：

药物分子图构建模块，用于所述将预设药物分子数据特征嵌入至所述目标调控网络包含的各药物节点中之前，获取预设数据库中存储的药物分子，并依据每个所述药物分子构建对应的第一药物分子图，其中，所述第一药物分子图包括原子节点以及节点关联边；将所述第一药物分子图输入至预设分子特征学习模型的分子图构建层，通过所述分子图构建层构建第二药物分子图；

数据特征获取模块，用于将所述第一药物分子图以及所述第二药物分子图输入至所述预设分子特征学习模型的特征识别层，得到与每个所述原子节点对应的原子节点数据特征，以及所述节点关联边对应的关联边数据特征；

准确率计算模块，用于将所述原子节点数据特征以及所述关联边数据特征输入至所述预设分子特征学习模型的判断层，得到所述第一药物分子图以及所述第二药物分子图的属性判断结果，并依据所述属性判断结果计算所述预设分子特征学习模型的结果判断准确率；

数据特征调整模块，用于当所述结果判断准确率小于或等于预设准确率时，调整所述原子节点数据特征以及所述关联边数据特征，并再次计算结果判断准确率；

数据特征确定模块，用于当所述结果判断准确率大于预设准确率时，基于所述原子节点数据特征以及所述关联边数据特征，得到所述预设药物分子数据特征。

8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。

9.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在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权利要求1至6中任一项所述的方法。