La recomendación de medicamentos basada en Registros Electrónicos de Salud (EHRs) es una dirección de investigación significativa en el campo de la medicina inteligente, que tiene como objetivo recomendar combinaciones de medicamentos personalizadas para pacientes basadas en sus condiciones físicas históricas y actuales. Sin embargo, dado que las características estructurales y temporales de los registros médicos están afectadas por muchos factores inciertos, existen muchas limitaciones en los métodos de recomendación de medicamentos basados en EHRs. Específicamente, la mayoría de los trabajos existentes fallan en evaluar adecuadamente la correlación estructural y la dependencia temporal entre diversas entidades médicas o ignoran el conocimiento existente de las Interacciones Medicamentosas (DDI), lo que podría llevar a resultados adversos. Estos factores contribuyen a la baja calidad de la recomendación. Por lo tanto, proponemos un modelo de árbol de ontología médica combinado con las Redes de Atención de Grafos (GAT) para recomendaciones de medicamentos. Primero, se utiliza la jerarquía de clases extraída de la ontología médica y el modelo GAT para aprender los códigos ICD-9 de diagnósticos y procedimientos, lo que enriquece la representación semántica de las entidades médicas. En segundo lugar, se utilizan Unidades Recurrentes de Puerta (GRU) para aprender las características temporales de las entidades médicas. Finalmente, se utilizan banco de memoria, memoria dinámica y grafo DDI para optimizar los resultados de la capa oculta, lo que mejora la precisión del modelo. Los resultados experimentales muestran que el modelo propuesto es superior a los métodos anteriores en todos los indicadores de evaluación, y los resultados recomendados tienen una tasa más baja de DDI.