本发明提出了一种基于多源数据高效融合的药物靶标相互作用的预测方法，首先，通过对药物和靶点多源数据进行分类，将多源数据融合或拼接。对于原始数据，根据药物或靶标的生物学特性，分别划分为几类。当类别中存在多个网络时，根据网络的特点选择融合节点特征或拼接节点特征。其次，网络嵌入方法获得高质量、丰富的节点低维特征表示。最后，使用正向无标记学习来预测潜在的DTIs。本发明根据数据的性能对其进行分类，并在融合过程中对分类后的数据进行不同权重的处理，使不同类别的药物和靶点能够进行自适应融合。在制药生物试验前，通过计算机技术学习获得候选药物靶标，大大减少了生物对照试验的时间和金钱成本，缩短制药周期。