现有的药物推荐算法大多基于历史电子健康记录,但该数据难以反映患者的当前健康状况,也无法捕捉患者实时性的健康需求,导致推荐效果不佳.为此,融合了在线对话和疾病信息,提出一种基于对话结构与图注意力网络的药物推荐算法.集成灰关联分析与图注意力网络,运用灰关联分析学习节点间的关联,提出了一种新的关联感知图结构,以弥补传统图网络难以捕捉节点关联的不足.构建了对话分层编码器,基于新的图注意力网络编码话语与对话表示,并设计两种关联图结构学习节点的邻接关系,以生成蕴含上下文语义的对话结构表示.基于知识图谱和新的图网络学习疾病表示,将其与对话表示融合,实现药物的预测与推荐.实验结果表明,提出的算法在各评估方法下均优于基线方法,与性能最好的基线DNN相比,提出算法的F1和Jaccard分别提高了1.8%和3.5%,表明了提出算法能有效提高推荐性能.