当前时代是注意力的时代，人的精力是有限的，这就注定注意力这种资源是有上限的，也就是有限的。在有限的资源里，谁能抓住用户的注意力，谁就是赢家。因此，网络也就从用户主动找信息的模式，发展到直接推送数据到用户眼前的模式，真是衣来伸手饭来张口啊，太体贴了，这就是信息流推荐系统。

看了N个推荐系统，各种算法，架构，流程，千人千面，各种行为分析，反馈，咱也没去深入研究，我在此就不说了。我们小公司，小系统，也就想实现百人5面等小型推荐系统，没必要杀鸡用牛刀，这里说说最简单的推荐系统。

任何推荐系统，必须有一个数据集T,相关度D,精确度A,如果类比数据库的SQL,T就代表数据表，D就代表WHERE的条件，A就代表ORDER BY排序，T很好实现，关系数据库NOSQL都可以，如以关系数据为例，

数据表 T（id,....）

数据元表M(tid,meta,value)

如果用户的标签是man

直接用一句SQL来达到推荐的效果:

SELECT * FROM T inner join M on m.tid = T.id where m.meta = 'man' order by M.value desc

如果用户有多个标签，这个SQL可以复杂一些多个SQL来UNION一下

最后说说用户标签的产生，可以通过分析用户对标的（文章，图片，视频）的停留时间，或用户注册时选择，负反馈（不感兴趣）来确定和调增，数据元表的产生可以通过人工打分和NLP分析来产生，具体看哪个更适合你