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。