简介： 本发明公开了一种推荐模型的训练方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据获取的用户行为数据生成训练数据集；将训练数据集输入至待训练模型中以得到第一预测结果；根据第一预测结果生成中间预测数据，并将中间预测数据输入至待训练模型中以得到第二预测结果；根据第一预测结果和第二预测结果计算反馈函数，并根据反馈函数更新待训练模型以进行模型训练。该实施方式基于强化学习的思想，将模型的预测结果引入模型训练中，使得预测结果的误差大大的减小，可以帮助模型加快收敛，减少模型迭代的次数，加快训练效率，解决了仅有短期会话数据时无法很好地进行推荐的技术问题。