La clave para el descubrimiento de fármacos es la identificación de un objetivo y un compuesto farmacéutico correspondiente. La identificación efectiva de las interacciones entre fármacos y objetivos facilita el desarrollo del descubrimiento de fármacos. En este artículo, se consideran la similitud de fármacos y la similitud de objetivos, y se utilizan representaciones gráficas para extraer información estructural interna e información sobre interacciones intermoleculares acerca de fármacos y objetivos. Primero, la similitud de fármacos y la similitud de objetivos se fusionan utilizando el método de fusión de redes de similitud (SNF). Luego, se utiliza la red isomórfica gráfica (GIN) para extraer las características con información sobre la estructura interna de las moléculas de fármacos. Para las proteínas objetivo, la extracción de características se lleva a cabo utilizando TextCNN para capturar de manera eficiente las características de las secuencias de proteínas objetivo. Se utilizan tres divisiones diferentes (CVD, CVP, CVT) en el conjunto de datos estándar, y se realizan experimentos por separado para validar el rendimiento del modelo para la predicción de interacciones fármaco-objetivo. Los resultados experimentales muestran que nuestro método logra mejores resultados en AUC y AUPR. Los resultados de acoplamiento también muestran la superioridad del modelo propuesto en la predicción de interacciones fármaco-objetivo.