最早是10年听baidu的一位老师讲信息检索课程，那一次对离散数学中的“二部图”的使用场景，有了一个真真切切的认识。然后这个概念一直伴随着自己，到现在，并且在不同场所的听课中，去询问个一些讲师，貌似都很“吃惊”“不清楚”“没有做过”。我才知道这就是技术的差距。
应用中，二部图就是语义推荐使用，系统是搜索引擎，数据是二部图结构，参数是“全部海归的7-8个博士、顶级专业人才”。。。。然后带着当时的疑惑，来到这里，四处打听相关技术，然后慢慢理解了，“曾经这是一家运营公司”“曾经这是一家数据库公司”
“曾经这家公司都不怎么用技术的”。。。。
自语语言学+领域学知识+社会学知识构成了“有效推荐”的三大基石。
自语语言初级：分词、词性标注
中级：本体、语料
高级：领域、主体的关联和聚合
领域学：领域热点、核心、焦点价值、商业模式
社会学：用户行为、思考、互动等。
然后综合起来就是，通过自然语言对文本聚类、领域下主体聚合，依赖领域学+社会学的关联参数。
前面已经基本成熟，而后者成为难点。能做到第一点的已经很少，更别说后者了。
所有这一切的工具扭带就是搜索引擎！
想想未来可能就是搜索+推荐的开发或者平台或者应用，自己已经在搜索的路上打滚、积累，并介入文本处理，
是时候做更远的准备了，本体、预料库、领域结构化、领域属性。。。
现在开始准备应该不晚吧，尽管从业界讲是重复的，但在自己、在自己接触理解的部门看，至少3年你是不会有
这种KPI、意识、结果的吧。有点夸张可能！----这里是指一个平台型的、通用的知识库。
当然，从搜索广告那边看，他们已经有了非常多的工作了。这个可以从www.taobao.com主页搜宝贝的时候，
输入关键词，然后在最上面的那个layout里面就可以看到，对属性的聚合+关联的推荐。聚合直接可以通过搜索
引擎输出，而关联的推荐，目前看可能来自：类目关联性（来自query统计）、关键词关联性（来自query统计）
、领域属性（需要知识库了），类目和关键词的关联，从抽样的手机、女装、水晶
三个关键词来看，效果还是不错的，至少从展示结果的语义看是这样的，实际是否促进点击或者成交还不清楚。对领域属性的关联推荐，应该通过类目关联见接的有体现，同类目下的似乎很一般。例如，我搜
诺基亚，展示的结果中似乎并没有领域的东西，而只是展示
诺基亚的“属性”+诺基亚品牌推荐+非诺基亚品牌推荐。是否需要展示，诺基亚充电器、诺基亚售后服务、诺基亚客服中心？诺基亚批发商？诺基亚电池？
三个关键词来看，效果还是不错的，至少从展示结果的语义看是这样的，实际是否促进点击或者成交还不清楚。对领域属性的关联推荐，应该通过类目关联见接的有体现，同类目下的似乎很一般。例如，我搜
诺基亚，展示的结果中似乎并没有领域的东西，而只是展示
诺基亚的“属性”+诺基亚品牌推荐+非诺基亚品牌推荐。是否需要展示，诺基亚充电器、诺基亚售后服务、诺基亚客服中心？诺基亚批发商？诺基亚电池？
公司从不为追求技术而技术，而是需求推动技术，还并且是出现瓶颈的时候，才开始推动下一个解决方案。
从解决问题优先和资源汇回报情况着手，超过3个月的结果，等不及了，更别说半年甚至一年了，或许是浮躁或者这就是IT的特征，带病前行或者发展经济学，正合当下中国在发展中解决矛盾同出一辙！
理解了并知道怎么做，然后就顺顺的，面对现实坦然而不惊！
