本发明公开一种基于深度强化学习的信息多样性推荐方法，方法首先使用自注意力机制模块根据用户的历史行为数据生成状态表示，并将状态表示输入到Actor策略神经网络中，根据策略函数对候选集进行筛选，挑选出推荐动作向量；然后将状态表示和Actor策略神经网络生成的动作一起输入到Critic估值神经网络，对推荐行为进行动作打分，计算出状态价值Q值，然后通过梯度下降反向传播的方式更新参数，待Q值收敛结束从而完成训练过程，将输出的推荐动作作为项目空间，输入到总体多样性效应TDE模块，排序后输出多样性推荐结果。本发明将用户的动态偏好考虑在推荐过程中，并在考虑推荐项目即时回报的基础上，保证了推荐项目的收益最大化。