本說(shuō)明書實(shí)施例提供一種基于強(qiáng)化學(xué)習(xí)模型預(yù)測(cè)樣本標(biāo)簽的方法，所述方法包括：通過(guò)所述強(qiáng)化學(xué)習(xí)模型進(jìn)行針對(duì)第一標(biāo)定樣本的連續(xù)N次預(yù)測(cè)，獲取與N次預(yù)測(cè)分別對(duì)應(yīng)的N個(gè)預(yù)測(cè)標(biāo)簽，其中，從第二次預(yù)測(cè)開(kāi)始的每次預(yù)測(cè)的預(yù)測(cè)標(biāo)簽屬于上一次預(yù)測(cè)的預(yù)測(cè)標(biāo)簽的預(yù)定子標(biāo)簽集合，第一次預(yù)測(cè)的預(yù)測(cè)標(biāo)簽屬于預(yù)定標(biāo)簽集合，所述N為大于等于1的整數(shù)；基于預(yù)先標(biāo)定的所述第一標(biāo)定樣本的標(biāo)定標(biāo)簽和所述第N次預(yù)測(cè)得到的預(yù)測(cè)標(biāo)簽，確定與所述N次預(yù)測(cè)對(duì)應(yīng)的獎(jiǎng)勵(lì)分?jǐn)?shù)，所述預(yù)測(cè)標(biāo)簽對(duì)應(yīng)于第N次預(yù)測(cè)得到預(yù)測(cè)標(biāo)簽標(biāo)識(shí)；利用所述獎(jiǎng)勵(lì)分?jǐn)?shù)優(yōu)化所述強(qiáng)化學(xué)習(xí)模型，優(yōu)化后的強(qiáng)化學(xué)習(xí)模型用于預(yù)測(cè)第一預(yù)測(cè)樣本的樣本標(biāo)簽。