在任何网站上逛，不论是看文章，听音乐还是看视频，都会有一些相关推送，而对于具有个人账号的豆瓣和轻博客这类兴趣社交网站，推送更是根据你在该网站的行为做的越来越合你脾胃，这背后的功臣，就是Tag。
豆瓣对豆瓣猜的解释：
互联网上的信息，都可以用Tag来进行标记分类，参与互联网的人，也都可以通过Tag来进行标记分类，根据这些，就可以对人和信息进行精准化的匹配。
基于信息，可以建下面两张表：
1、信息的标签表，用来填充系统和用户为信息添加的标签；
2、为信息添加标签的用户；
基于人，可以建下面两张表：
用户标签表，可以通过用户填写的标签聚众分类来标记；
1、用户标记的信息及这些信息的标签表
2、然后根据这这四张表，就可以进行相关兴趣推送。
推送行为有四类，分别是
根据信息推送信息；
根据信息推送人；
根据人推送信息；
根据人推送人；
实现这四类推送的方式如下：
1.根据信息推送信息
对元信息的标签，根据用户对元信息标签标记次数进行排序；
按照标签排序及次数赋予不同的权重，根据权重去找出与原信息标签相似度接近的信息按照相似度高低进行排序；
将相似度最高的信息设置关联，进行推送；
2.根据信息推送人
对元信息的标签，根据用户对元信息标签标记次数进行排序；
赋予每个标签权重，根据权重找出标记这些标签的人，对关联度高低进行排序；
推送排名靠前的用户；
3.根据人推送信息
对人进行标签化，也可以使用该人使用过的标签对其进行标签化；
对该人使用的标签按照使用次数进行排序，为其赋予权重；
根据1.2的标签及赋予的权重找到信息进行匹配，按照匹配程度高低推送；
4.根据人推送人
对人进行标签化，也可以使用该人使用过的标签对其进行标签化；
对该人使用的标签按照使用次数进行排序，为其赋予权重；
根据1.2的标签及赋予的权重找到使用这些标签的用户，按照匹配程度高低进行推送；
基于以上步骤的操作，可以完成信息及人的推送；
另外，可以出于减轻服务器实时计算压力的因素考虑，可以在以上第二步时新建一个新表来储存排序数据，这样可以无需实时计算，利用每天服务器空闲时计算生成数据，在使用时直接进行读取即可。
文章来源：wzxiuxian.com 转载请注明出处链接。
