药物,是一种与公众健康安全息息相关特殊物质,随着公众健康意识的不断提高,人们对于用药的方面的关注也日益上升。公众在享受药物所带来治疗疾病、增强体质的种种好处的同时,药物对人体的额外作用依旧使人们惴惴不安。令人失望的是,尽管现今科学技术达到了人类历史上前所未有的高度,人们依然难以完全掌握药物的所有性质。药物对人体的恶性额外影响被称作药物不良反应,这也是公众在用药安全方面最关心的话题之一。据美国食品药品监督总局公布,药物不良反应事件已经成为导致人类死亡的第五大原因。如何尽早的发现并解决药物潜在的不良反应,已经成为一个摆在药物生产商,监管部门,医患双方,乃至全社会面前的热点问题。药物在上市之前的临床实验是控制药物不良反应事件发生的最重要的手段,但是由于其种种局限性,依然无法揭露所有的不良反应事件。与此同时,药物重定位,即挖掘已有药物的潜在额外疗效,也成为人们关注的热点问题。研制新药是一个成本及其巨大的工程,如果能够利用已有的药物,去治疗其他的疾病,将会在带来不可计数的经济利益的同时,给更多的人带来健康,这具有极其重要的现实意义。随着Web2.0时代的到来以及医学文献资源的迅速增长,大量的宝贵资源蕴含其中。利用计算机手段,去自动的挖掘蕴含在这些数据中的有用信息,已经成为挖掘药物隐含知识的重要途径。令人鼓舞的是,以深度学习为代表的计算机科学在最近几年得到了重大的进展,在例如计算机视觉,语音识别,自然语言处理等领域取得了令人瞩目的成果。本文的主要工作就是把深度学习引入到药物隐含性质的研究工作中,利用卷积神经网络,Word2Vec,LDA话题模型等手段并综合利用多个药物相关的数据库与工具去挖掘药物不良反应以及潜在的药物治疗目标。在本文的最后,通过对比实验以及对结果在相关数据库中的验证,来证明本文所使用的方法的性能的有效。