本发明公开了一种自适应卷积网络协同过滤的商品推荐方法，其特点在于包括以下几个步骤：获取商品与用户的历史交互记录；对商品与用户的历史交互记录进行数据清洗；将用户ID和商品ID转换为嵌入向量，作为神经网络的输入；将嵌入向量输入自适应嵌入传播层得到商品和用户的不同层级的嵌入向量表示；将上一步得到的嵌入向量输入到基于注意力机制的层组合网络从而得到商品的最终嵌入向量；最后将用户嵌入向量和商品嵌入向量做点积从而作为预测用户对商品偏好的概率。本发明与现有技术相比具有模型算法简单易懂，计算量小，性能好，易实现，而且具有一定的可解释性，效率高等优点，召回率和归一化折损累计增益提升明显。