本发明公开了一种基于图神经网络的融合知识与协同信息的推荐方法，属于推荐算法技术领域，包括以下步骤：向量初始化；在信息传播层经过知识信息图神经网络得到包含知识信息的物品嵌入向量和用户嵌入向量；在信息传播层经过协同信息图神经网络得到包含协同信息的物品嵌入向量和用户嵌入向量；在信息融合层计算得到融合后的用户和物品嵌入向量；计算得到所有正负样本的预测偏好得分；构造推荐方法的损失函数，并计算损失；使用Adam优化算法及设置的学习率进行模型参数更新；计算用户所有未交互物品的预测偏好得分，并排序输出前K个物品；通过指标进行推荐方法的评估。本发明弥补了用户行为数据稀疏和冷启动问题，进一步提高了推荐精度。