本發(fā)明提出一種基于深度強(qiáng)化學(xué)習(xí)的推薦算法，構(gòu)建了MainNet神經(jīng)網(wǎng)絡(luò)和TargetNet神經(jīng)網(wǎng)絡(luò)的雙網(wǎng)絡(luò)結(jié)構(gòu)模型，其中MainNet神經(jīng)網(wǎng)絡(luò)是主神經(jīng)網(wǎng)絡(luò)，用于得到戶對(duì)推薦列表，TargetNet神經(jīng)網(wǎng)絡(luò)用于訓(xùn)練模型參數(shù)，得到最優(yōu)模型參數(shù)，并不斷更新模型參數(shù)，作為MainNet神經(jīng)網(wǎng)絡(luò)的輸入的當(dāng)前狀態(tài)不僅包括長(zhǎng)期特征，而且包括外部條件特征，為用戶購物行為的準(zhǔn)確預(yù)測(cè)奠定了基礎(chǔ)。本發(fā)明克服了傳統(tǒng)機(jī)器學(xué)習(xí)的缺點(diǎn)，不需要?dú)v史數(shù)據(jù)積累，只要網(wǎng)站存在交易行為，該算法可以實(shí)現(xiàn)自我學(xué)習(xí)，自我優(yōu)化和自我完善。