本书依托多源药物大数据，重点对药物不良事件预测以及监测存在的问题进行探索研究。首先，针对药理学网络模型未考虑药物不良事件关联在数据集中的频率和样本量的问题，提出了数据挖掘算法与药理学网络模型相结合的药物不良事件预测方法。其次，针对表型特征以及分类器在药物不良事件预测研究中的重要性，从减小冗余信息和提取高效特征的角度出发，详细研究复杂网络拓扑结构的链路预测方法以及机器学习方法，提出了基于特征融合预测网络模型(FFPNMS)的药物不良事件预测方法。最后，针对现有药物数据挖掘算法存在的超参数问题，提出了一种基于预测网络模型的贝叶斯信号监测算法(ICFFPNM)，提升了监测的准确性，有效降低了监测误差。