本发明提供一种基于表示学习的抗HBV小分子药物预测模型及其构建方法，涉及药物研究技术领域，通过对SMILES编码的处理，使用NLP的方法对SMILES编码进行表示学习。使用机器学习方法对SMILES编码的空间向量的有监督分类模型，在该模型中分类预测小分子对特定靶点的活性。与现有技术相比，在不同靶点数据集上体现出优于传统Word2vec的性能。与此同时，在训练向量后的下游任务中，在预测化合物对HBV抑制率和对肝细胞毒性方面都产生了确定性的优势，具备较好筛选潜在抗HBV药物的能力。该方法可用于广泛的应用于其他不同靶点化合物的类药性预测，从而简化药物研发流程。