本書依托多源藥物大數據，重點對藥物不良事件預測以及監(jiān)測存在的問題進行探索研究。首先，針對藥理學網絡模型未考慮藥物不良事件關聯(lián)在數據集中的頻率和樣本量的問題，提出了數據挖掘算法與藥理學網絡模型相結合的藥物不良事件預測方法。其次，針對表型特征以及分類器在藥物不良事件預測研究中的重要性，從減小冗余信息和提取高效特征的角度出發(fā)，詳細研究復雜網絡拓撲結構的鏈路預測方法以及機器學習方法，提出了基于特征融合預測網絡模型(FFPNMS)的藥物不良事件預測方法。最后，針對現(xiàn)有藥物數據挖掘算法存在的超參數問題，提出了一種基于預測網絡模型的貝葉斯信號監(jiān)測算法(ICFFPNM)，提升了監(jiān)測的準確性，有效降低了監(jiān)測誤差。