本发明涉及人工智能技术领域，揭露了一种商品异常预测模型训练、商品推荐方法、装置、设备及存储介质，通过对各初始数据特征进行冷启动处理得到新增数据特征，并根据初始数据特征以及与其对应的新增数据特征，确定与各初始数据特征对应的目标数据特征；将目标数据特征输入至包含初始参数的预设识别模型中，以确定与各初始数据特征对应的预测异常标签；根据与同一个初始数据特征对应的商品异常标签以及预测异常标签，确定预测损失值；在预测损失值未达到预设的收敛条件时，迭代更新预设识别模型中的初始参数，直至预测损失值达到收敛条件时，将收敛之后的预设识别模型记录为商品异常预测模型。本发明提高了模型训练的效率以及准确率。