中药及其方剂作为中国从古至今医学智慧的凝聚产物,对于预防和治疗疾病等方面发挥着重要作用。然而由于中药的化学成分复杂,无法同西药一样使用单一分子来对质量进行控制,现阶段的中药质量控制方法都是基于传统物理化学实验,去测定中药方剂中具备一定代表性的药材和成分,以此作为指标,收录于中国药典之中。为此,本论文运用智能计算的方法从中国药典中已知方剂,即经典名方的质控指标中挖掘规律,为质控指标的探索提供了新的思路。研究提出了质控指标预测模型,并基于所提出的方法设计实现了一个中药方剂质控指标预测的工具。论文主要研究工作如下:（1）论文创新性地将质控指标预测问题转化为方剂与质控指标的匹配问题,研究提出了一种基于BERT与异质图注意力匹配网络的中药方剂质控指标预测模型（BERT and Heterogeneous Graph Attention Matching Network for Quality Control Index Prediction of TCM Prescriptions,BHMN）。该模型利用BERT预训练模型提取方剂在药典中的文本信息,利用异质图嵌入模型获取质控指标的拓扑信息,并将两者特征向量通过注意力机制进行匹配,以获取方剂的质控指标预测概率。实验结果表明,BHMN在药典数据集上与相关的匹配模型相比取得了最优的表现。（2）中国药典中虽然没有提供方剂的成分信息,但成分能有效体现药材的性质,为此,在BHMN模型只有文本特征的基础上,研究提出了基于多模态与异质图注意力匹配网络的中药方剂质控指标预测模型（Multimodal and Heterogeneous Graph Attention Matching Network for Quality Control Index Prediction of TCM Prescriptions,MHMN）。该模型利用Transformer及其改进模型分别提取药材模态特征和具有高密集长序列的成分模态特征,与BHMN中的文本特征进行注意力融合后生成方剂的多模态特征向量与质控指标进行匹配。实验验证了成分特征提取器的有效性和多模态信息对模型性能的增益。（3）基于以上研究成果,论文设计实现了基于Flask的中药方剂质控指标预测工具,通过web部署,为中医药研究者提供了一个方便快捷的质控指标预测手段。