本文结合技术及社会需求发展的大背景，讲述了当前推荐系统的价值及所面临的挑战，并指出了下一代个性化推荐系统的设计思路及需要注意的问题。
作为个性化推荐系统核心的协同过滤（Collabora-tive Filtering）算法，是Goldberg等人在1992年的一篇学术论文中最早提出的。他们在这篇文章中提出一种方法，在一个新闻组中，根据 用户下载的新闻计算他们之间在口味上的相似程度，并利用这种相似程度为他们进一步推荐相关的新闻。这也是最早期的个性化推荐系统的雏形。
20世纪90年代中后期，随着电子商务的兴起，个性化推荐系统迎来了第一波高潮，几乎每个大型电子商务网站都把个性化推荐作为重要的营销手段之一。更有文献表 明早期Amazon的35%销售增量都来自它的推荐系统。Amazon的几位科学家和工程师在2000年发表的一篇关于“基于条目的协同过滤”的论文也成为了个性化推荐领域最基础的文献之一，是学术研究与工业实践相结合的典范。之后越来越多的研究者和企业界的工程师投入到了个性化推荐系统的实践中。
21世纪，互联网领域两个根本性的变化使得个性化推荐系统需要面临新的挑战。
第一个变化是随着Web 2.0的兴起，个人用户逐渐成为网站的中心。用户乐于在网络上建立和分享他们的社会关系和兴趣爱好，展示个性。网站的创立者也更重视对用户的基础数据的收 集和分析，从而全方位地满足用户的需求。与传统的以信息为中心的Web 1.0的组织方式相比，Web 2.0强调以用户为中心，对个性化推荐系统的发展起到了极大的促进作用。因此，几乎每个具有一定规模的Web 2.0网站都会建立用户模型，甚至还涌现出不少以个性化推荐为核心的服务。这使得个性化推荐系统的研究和实践获得了非常大的进