作为历代医家数千年智慧凝聚的产物,中药复方因其临床实践丰富且疗效确切至今仍被广泛应用,并成为中药基础研究的重点研究对象。有效预测中药复方的作用靶标对于探索中药分子机理以及明确中药作用机制具有重要意义。然而,现有的基于计算的药物靶标预测方法大多集中于西药单分子药物,研究对象的本质区别导致其并不能直接应用于具有多成分、多靶点、多途径调控机理特点,且必须通过其组成药材的活性成分来发挥药效的中药复方上。虽然目前已有学者利用网络药理学对中药复方的靶标预测进行了研究,但都是针对某一具体的复方-病症进行分析,还未发现存在通用的中药靶标预测的方法。因此,针对上述问题,本文利用知识图谱和图神经网络等相关技术,研究提出了一种基于知识图谱和关系路径网络的中药复方靶标预测方法（Knowledge Graph with Relational Path Network for Target Prediction of TCM Prescriptions,KGRN）,并基于此方法设计实现了一个中药复方靶标预测工具。论文主要研究工作如下:（1）基于中药复方有着多成分、多靶点、多途径的调控机理特点,本论文将中药复方靶标预测问题转换为中药复方的靶标推荐问题,利用知识图谱整合中药复方与靶标的相关分子信息,以多种网络药理学和网络医学数据库为基础数据源,根据基于本体的知识图谱构建理论,构建中药复方知识图谱,为复方靶标预测提供药理逻辑上的信息。（2）论文将复方靶标作用关系和中药复方知识图谱相结合,提出基于知识图谱和关系路径网络的中药复方靶标预测模型（Knowledge Graph with Relational Path Network for Target Prediction of TCM Prescriptions,KGRN）。KGRN模型利用知识图谱嵌入和图神经网络挖掘知识图谱中的语义关系和拓扑结构,用于潜在的复方-靶标关联预测。通过在邻域信息聚合过程扩充知识图谱中关系对节点表示的贡献,KGRN模型能够保存路径所承载的关系依赖和关系序列,并捕捉到关系之间的相互作用,以提高潜在的复方-靶标关联预测性能。实验结果表明,该方法较其他基准方法取得了最优的表现,同时在与其他基于网络药理学的复方靶标预测案例的对比实验中,该方法给出了高准确性的预测结果。（3）基于论文提出的中药复方靶标预测方法,通过需求分析和架构设计,本文设计实现了一个基于知识图谱的中药复方靶标预测Web工具,该工具的开发基于Python语言应用框架Flask以及MVC设计模式,实现了中药复方靶标相关知识的查询及可视化以及中药复方的作用靶标预测功能。