本发明涉及药物相互作用预测技术领域，提出一种基于多视图的药物‑药物相互作用预测方法及系统，其中包括以下步骤：选择若干对带已知药物‑药物相互作用结果标签的药物对集合和若干对待预测的药物对集合；对所述已知药物‑药物相互作用结果标签进行预处理，获得已知标签矩阵；对每个药物对中药物的特征进行预处理，获得每个药物的多视图数据；进行药物对组合中药物对的多视图拼接，形成药物对组合对应的视图矩阵；利用视图矩阵，获得最终的融合图；利用最终的融合图和已知标签矩阵，计算得到待预测药物对集合对应的待预测标签矩阵；根据所述待预测标签矩阵对待预测药物对集合进行药物‑药物相互作用预测，获得预测结果。(56)对比文件何燕 等.基于网络药理学和分子对接技术的百合地黄汤抗肝癌作用机制研究《.广东工业大学学报》.2022,第39卷(第4期),第98-106页.林轩.基于图神经网络与表示学习的药物重定位预测技术研究《.中国博士学位论文全文数据库 医药卫生科技辑》.2022,(第8期),第E079-5页.詹健明.基于有监督的多视角图神经网络的药物协同预测算法研究《.中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2023,(第1期),第E079-307页.Iswahyuli 等.One-DimensionalConvolutional Neural Network Method asThe Predicting Model for InteractionsBetween Drug and Protein on HeterogeneousNetwork《.2021 International Conference onArtificial Intelligence and MechatronicsSystems (AIMS)》.2021,第1-6页.Xie, Jiang 等.TP-DDI: A Two-PathwayDeep Neural Network for Drug-DrugInteraction Prediction《.INTERDISCIPLINARYSCIENCES-COMPUTATIONAL LIFE SCIENCES》.2022,第14卷(第4期),第895-905页.Cheng Yan 等.Predicting Drug-DrugInteractions Based on IntegratedSimilarity and Semi-Supervised Learning.《IEEE/ACM Transactions on ComputationalBiology and Bioinformatics》.2022,第19卷(第1期),第168-179页.