本說(shuō)明書一個(gè)或多個(gè)實(shí)施例提供一種推薦列表的生成方法、裝置和電子設(shè)備；所述方法包括：獲取用戶的用戶特征；根據(jù)所述用戶特征和預(yù)先訓(xùn)練的強(qiáng)化學(xué)習(xí)模型，得到所述用戶點(diǎn)擊推薦列表中的列表項(xiàng)的預(yù)測(cè)結(jié)果；響應(yīng)于所述用戶對(duì)所述推薦列表中的列表項(xiàng)的點(diǎn)擊操作，得到點(diǎn)擊結(jié)果；根據(jù)所述預(yù)測(cè)結(jié)果和所述點(diǎn)擊結(jié)果，確定對(duì)應(yīng)于所述預(yù)測(cè)結(jié)果的獎(jiǎng)勵(lì)分?jǐn)?shù)；確定基準(zhǔn)獎(jiǎng)勵(lì)分?jǐn)?shù)；根據(jù)所述基準(zhǔn)獎(jiǎng)勵(lì)分?jǐn)?shù)，采用策略梯度算法優(yōu)化所述強(qiáng)化學(xué)習(xí)模型，優(yōu)化后的所述強(qiáng)化學(xué)習(xí)模型用于生成對(duì)應(yīng)于所述用戶的推薦列表。