药物联合使用常导致多药用药副作用（Polypharmacy Side Effects, POSE）。近期一种方法将POSE预测建模为药物与蛋白质构成的图上的链接预测问题，并采用图卷积网络（Graph Convolutional Networks, GCNs）进行求解。然而，由于POSE涉及复杂的相互作用关系，该方法存在计算成本高、内存需求大的问题。本文提出一种灵活的三图信息传播（Tri-graph Information Propagation, TIP）模型，该模型在三个子图上协同运作，通过蛋白质-蛋白质图、蛋白质-药物图和药物-药物图之间的逐步信息传播，实现表征的渐进式学习。实验结果表明，TIP模型在预测准确率上提升7%以上，时间效率提高83倍，空间效率提升3倍。