今天早晨讨论到标签系统，通过标签系统搜索，查到了《推荐系统》这本书。看完后，才感觉到如获至宝。这本书给我提供了很多 Aha 时刻，并且在之前很多想不清楚的技术问题上，给了我很大的启发和点拨。有启发的点比较多，我举两个感触最深的给大家分享一下：1. 用户画像很多企业的成功，靠的是丰富系统的标签系统，以及通过标签系统来刻画的精确的用户画像。这个思路其实可以用在很多专业领域上，当我们在建设数据平台和业务平台时，业务画像、数据画像等，决定了业务本身的价值。我们还可以按照这种思路，定义出很多画像，比如流程画像，闭环画像等等。2. 排序系统无论是深度学习模型，还是其他的算法，当用于评价的指标超过两个维度时，就很难有一个全局最优的指标，而只可能做一个均衡或排序。这里就可以参考 Google 的 PageRank 算法，以及排序学习方法，选出 Top K 的算法或模型，把它当做一个推荐系统去运营，让用户选择最优的结果。这里面还引出一个概念，叫做 preto front，是指一个曲面，而非一个单点。以上就是看这本书最大的两个收获。书中还给出了如何解决过拟合问题的指导思想，非常有启发。这本书强烈推荐给大家。

随着 Web 成为商务和电子交易的重要媒介，推荐系统在 20 世纪 90 年代变得越来越重要。人们很早就认识到 Web 为个性化服务提供了空前的机会，这是其他渠道是不可能做到的。特别是 Web 为数据收集提供了便利，并且提供了一种非侵入式地推荐物品的用户界面。