随着人工智能的发展,互联网医疗等概念被提出。将中医与人工智能结合起来,充分利用深度学习的优势,扩大中医的应用场景（如辅助诊疗、疾病风险评估、远程会诊等）成为当前的研究热点。本文就如何将深度学习算法应用到中医辅助诊疗任务中做深入研究。本文的任务是中药推荐。中药推荐是中医在人工智能背景下的主要任务。通过分析病人症状并结合辨证论治等相关理论,给出精准药方,辅助中医师临床诊疗,具有重要的应用意义。基于这一点,本文主要做了以下三方面的工作:（1）针对中医实体表示学习,本文提出了基于超网络模型的中医实体表示方法。该方法首先根据中医数据构建症状-中药知识图谱;接着利用超网络模型分别对头结点特征以及关系特征生成对应的卷积过滤器,使前者对关系卷积,后者对实体卷积;最后通过将关系映射到实体语义空间构建头实体和尾实体的联系。实验表明,该方法能够有效提高链接预测的准确率。（2）针对中药推荐任务,本文基于图卷积神经网络提出了一种融合多图特征的中药推荐方法。该方法引入了一种简化的图卷积神经网络,这个网络通过去掉对图卷积操作影响不大的非线性操作以及减少冗余的权重矩阵从而达到简化图卷积神经网络的效果。利用多层神经网络并引入多头注意力机制实现对中药和症状节点特征的融合。实验结果表明,本文提出的方法能够有效提升中药推荐的准确率。（3）针对中药推荐任务,本文提出了基于Transformer的中药推荐方法。该方法通过将中医师临床诊疗过程看作是序列生成序列的过程,并将Transformer应用到中药推荐任务上。此外,将（1）部分方法作为预训练方法来处理数据稀疏问题。实验结果验证了该方法在中药推荐任务上的有效性。