奖励数据的确定方法、装置和服务器

摘要

本说明书提供了奖励数据的确定方法、装置和服务器。在一个实施例中，奖励数据的确定方法通过先获取第一样本用户针对当前标签的点击状态数据，以及预设的提问模型根据第一样本用户针对当前标签的点击状态数据所确定出的当前动作策略数据；再通过调用事先训练好的预设的奖励模型根据所述第一样本用户针对当前标签的点击状态数据，以及当前动作策略数据，确定出反馈给预设的提问模型的用于强化学习的奖励数据。从而能够快速、准确地获取用于强化学习的奖励数据。