本发明实施例公开了一种商品推荐方法、装置、电子设备及存储介质，其中，该方法，包括：确定商品当前周期的固有特征矩阵、当前周期的推荐探索商品分数矩阵以及当前周期的强化学习参数向量；基于所述当前周期的固有特征矩阵、所述当前周期的推荐探索商品分数矩阵以及所述当前周期的强化学习参数向量确定当前周期的商品初始排序结果向量；基于所述当前周期的商品初始排序结果向量以及商品实际销量排序结果确定当前周期的商品排序中间结果向量；基于所述当前周期的商品排序中间结果向量确定当前周期的商品推荐结果。本发明实施例提供的技术方案可以对优质商品或者热点商品具有较快的响应速度，推荐的商品吸引力高，整体转化率高。