本发明公开了一种基于规则学习网络的商品推荐方法，包括：选取推荐数据集，并对推荐数据集中的特征进行预处理；将预处理完成的特征进行分组，分别输入三个规则模型塔中进行学习；每个规则模型塔分别输出学习到的规则向量后，在网络上层对三个规则模型塔输出的规则向量进行拼接；将用户和物品id做嵌入后拼接，输入具有一个隐层的神经网络，将这个神经网络的输出作为拼接规则向量的权重，相乘后得到预测的点击概率，最终得到用户对该商品的预测评分和推荐理由。本发明解决了原本在规则学习网络中无法使用embedding的问题，在完成对用户推荐物品的同时还给出推荐理由，在模型层面具有可解释性，解决了推荐领域中深度神经网络的黑盒问题。