本發(fā)明公開了一種推薦模型的訓(xùn)練方法和裝置，涉及計算機(jī)技術(shù)領(lǐng)域。該方法的一具體實施方式包括：根據(jù)獲取的用戶行為數(shù)據(jù)生成訓(xùn)練數(shù)據(jù)集；將訓(xùn)練數(shù)據(jù)集輸入至待訓(xùn)練模型中以得到第一預(yù)測結(jié)果；根據(jù)第一預(yù)測結(jié)果生成中間預(yù)測數(shù)據(jù)，并將中間預(yù)測數(shù)據(jù)輸入至待訓(xùn)練模型中以得到第二預(yù)測結(jié)果；根據(jù)第一預(yù)測結(jié)果和第二預(yù)測結(jié)果計算反饋函數(shù)，并根據(jù)反饋函數(shù)更新待訓(xùn)練模型以進(jìn)行模型訓(xùn)練。該實施方式基于強(qiáng)化學(xué)習(xí)的思想，將模型的預(yù)測結(jié)果引入模型訓(xùn)練中，使得預(yù)測結(jié)果的誤差大大的減小，可以幫助模型加快收斂，減少模型迭代的次數(shù)，加快訓(xùn)練效率，解決了僅有短期會話數(shù)據(jù)時無法很好地進(jìn)行推薦的技術(shù)問題。