推荐系统现在在方方面面影响着人们的生活，
就目前来说推荐系统就是互联网的增长引擎，因为在大体量的用户基数上，如果能让广告的点击率增长1%，那就能为公司增加上千万的利润。
从用户角度来说，推荐系统能解决在信息过载的情况下，能帮助用户高效的获得感兴趣的信息，
从公司的角度来说，推荐系统能让产品最大限度的吸引用户，帮助解决用户留存、用户粘性、提供用户转换率的问题，从而达到公司商业目标连续增长的目的。
如果将其进行建模，可以简单的将用户信息U，场景信息C，物品信息I，通过一个函数F(U,I,C)来获得用户的推荐列表，而推荐系统的角色就是这个函数F(U,I,C)。
目前的推荐系统大体分为两个部分：
1、数据部分
2、模型部分（training、evaluation、deployment、online inference）
其中数据部分主要是负责处理以及收集”用户”、”物品”、”场景”这三种数据，内容包括
客户端以及服务器端实时数据处理、流处理平台准实时数据处理、大数据平台离线数据处理。
模型部分中的模型结构主要分为召回层、排序层以及重排层，
召回层主要是从海量数据集中召回用户可能感兴趣的物品
排序层是对召回来的物品进行精排
重排层是为了兼顾结果的多样性、流行度、新鲜度等指标对结果进行调整。