本說明書公開了一種信息推薦方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，本說明書實(shí)施例在進(jìn)行信息推薦時(shí)，通過不同的強(qiáng)化學(xué)習(xí)模型輸出每種排布方式對(duì)應(yīng)的不同的累積折扣獎(jiǎng)勵(lì)期望分布，最后，根據(jù)每種排布方式對(duì)應(yīng)的不同的累積折扣獎(jiǎng)勵(lì)期望分布，確定目標(biāo)排布方式，以目標(biāo)排布方式排布各推薦信息以及各廣告，并展示給用戶。此方法中，由于累積折扣獎(jiǎng)勵(lì)期望分布是基于用戶對(duì)同一排布方式展示的各推薦信息和各廣告執(zhí)行指定操作行為的概率分布所確定的，每個(gè)強(qiáng)化學(xué)習(xí)模型的模型參數(shù)不同，這樣通過不同的強(qiáng)化學(xué)習(xí)模型預(yù)測同一排布方式的累積折扣獎(jiǎng)勵(lì)期望分布，可以避免因用戶隨機(jī)行為導(dǎo)致獎(jiǎng)勵(lì)隨機(jī)的問題，從而提高信息推薦的準(zhǔn)確性。