1.一种药物与药物相互作用预测模型训练方法，其特征在于，包括以下步骤：步骤S1，输入训练数据集，并设置训练参数，所述训练数据集包括：药物与药物相互作用矩阵对 和药物知识图谱G(V,E)，其中Nd表示药物数量，所述训练参数包括：感知域深度H，邻域采样实体个数K；

步骤S2，调用面向知识图谱的图随机采样算法构建感知域，包括：从感知域中心即药物节点开始，遍历药物感知域中h层的每一个实体u，在实体u的一阶邻居实体中随机选择K个节点保存至集合中，再合入到h+1层感知域中，由此得到采样后的H层感知域；

步骤S3，将感知域中实体向量特征变换即获得药物Di的H层感知域RF(h＝0,...,H)，所述对感知域RF中所有实体u的实体向量 进行线性变换降低实体节点的特征维度；

步骤S4，基于注意力机制的感知域特征提取，包括：计算感知域中实体u与一阶邻居节点的权重系数，然后汇聚邻居节点嵌入向量及其权重系数，根据特征汇聚结果，更新实体u的特征向量，迭代H次后，更新药物实体特征向量；

步骤S5，计算药物对发生相互作用的概率，包括：将更新后的药物实体特征向量进行归一化处理，计算药物对相关系数，再将结果输入到二分类器中计算损失；利用后向传播算法更新注意力网络参数，设置训练停止条件。

2.根据权利要求1所述的一种药物与药物相互作用预测模型训练方法，其特征在于，步骤1中，所述知识图谱G＝{(h,r,t)|h,t∈V,r∈E}以三元组形式存储，其中h表示三元组的头实体，t表示三元组的尾实体，r表示实体之间的关系，头实体h和尾实体t通过关系r相互连接，即尾实体t是头实体h一阶邻居，V表示实体节点集合，E表示实体关系集合。

3.根据权利要求2所述的一种药物与药物相互作用预测模型训练方法，其特征在于，步骤2，具体包括以下步骤：i

步骤S2.1，对于药物集合中的药物Di构建知识图谱 其中V表示与药i i

物Di相关的实体节点集合，E表示与V相关的实体关系集合；

i i i

步骤S2.2，在药物Di的知识图谱G(V ,E)中， 表示药物Di的实体向量，RF为药物Di的h层感知域，令h＝0，第0层感知域步骤S2.3，遍历中h层感知域中每一个实体u，在实体u的一阶邻居实体中随机选择K个节点保存至集合 并合入到h+1层感知域：步骤S2.4，若h＝H‑1，直接输出药物Di的H层感知域RF，否则令感知域层增加数h＝h+

1，跳转到步骤S2.3。

4.根据权利要求3所述的一种药物与药物相互作用预测模型训练方法，其特征在于，步骤3中，所述对感知域RF中所有实体u的实体向量 进行线性变换降低实体节点的特征维度，计算公式如下：其中， 表示线性转换矩阵，N＜M， 表示实体u的嵌入向量。

5.根据权利要求4所述的一种药物与药物相互作用预测模型训练方法，其特征在于，步骤4，具体包括以下步骤：步骤S4.1，对药物Di的感知域RF(h＝0,...,H‑1)中任意实体u的嵌入向量 进行如下基于注意力机制的特征提取；

步骤S4.2，获取实体u的嵌入向量 在RF的一阶邻居节点嵌入向量集合对于嵌入向量对 和 计算二者的权重系数：其中，LeakyReLU为非线性激活函数，可训练的权值向量 权重矩阵 ||表示拼接运算；使用softmax函数对 进行归一化，公式如下：其中，αu,k为归一化的权重系数，表明实体u的上一层感知域邻居节点嵌入向量 对 的重要程度；

步骤S4.3，汇聚实体u的上一层感知域邻居节点嵌入向量及其权重系数：根据特征汇聚结果，更新实体u的特征向量：

其中， 表示可训练的权重矩阵， 表示偏重项向量， 为更新后的实体u的特征向量。

6.根据权利要求5所述的一种药物与药物相互作用预测模型训练方法，其特征在于，步骤5，具体包括以下步骤：步骤S5.1，训练batch包括B个药物反应对 对batch中每一药物反应对(Di,Dj)中的Di和Dj分别调用所述面向知识图谱的图随机采样步骤和所述基于注意力机制的感知域特征提取步骤，分别获得Di和Dj特征向量 和步骤S5.2，对 和 进行归一化处理后，计算药物Di与药物Dj的相关系数如下：数值越接近1表示药物Di和药物Dj发生相互作用的可能性越大，反之，越接近0表示相互作用的可能性越小；

步骤S5.3，计算二分类损失函数如下：

其中，yi,j为药物Di和药物Dj是否反应的真实标签，yi,j＝1表示Di和Dj之间存在相互反应，yi,j＝0表示不存在相互反应；

步骤S5.4，训练集每个epoch包括P个batch，每个batch重复第五步，计算二分类损失，并利用后向传播算法更新所述步骤S4即基于注意力机制的感知域特征提取步骤的算法参数，若连续10个epoch的二分类损失没有下降，则停止训练。

7.根据权利要求6所述的一种药物与药物相互作用预测模型训练方法，其特征在于，所述邻域采样实体个数K为16、感知域深度H设置为2。

8.根据权利要求1‑7中任意一项权利要求所述的药物与药物相互作用预测模型训练方法所获得的预测模型。

9.权利要求8所述的预测模型在预测两种药物之间相互作用关系中的应用，其特征在于，将药物对的知识图谱输入模型即可获得两个药物之间的发生相互作用的相关系数。