基于强化学习模型向用户推送对象的方法和装置

摘要

本说明书实施例提供了一种基于强化学习模型向用户推送对象的方法和装置，所述方法包括针对第一用户的连续的至多N轮推送，其中，每轮推送具有对应的预定候选对象集合，从第二轮推送开始的每轮推送在第一用户点击在前一轮推送中推送的对象之后开始，并且，从第二轮推送开始的每轮推送的候选对象集合包括前一轮推送的多个候选对象各自的多个子类，其中，第i轮推送包括以下步骤：获取第i个状态信息；以及将所述第i个状态信息输入所述强化学习模型，以确定第i轮推送的预定数目的推送对象各自的标识。