本发明提出一种基于时序建模的物品推荐系统、方法、设备及存储介质，在wide‑and‑deep模型中通过用户ID增强个性化，考虑用户和物品的相关信息，把用户ID这一离散属性进行编码，降低维度，训练双塔模型，更新，当网络达到最优状态时，获得具有物理意义的空间向量，从向量中提取隐含着用户的个性化偏好。本发明加入用户ID增强推荐的个性化、充分利用LSTM结合attention技术对用户行为序列建模，充分挖掘用户偏好。通过对行为序列进行双向循环挖掘提高推荐结果的准确性、多样性的同时减少耗时耗力的特征工程。