推荐系统的大发展与移动互联网的兴盛及普通用户的创作热情提高有很大关系。一方面，信息传播变得更快，用户接受、消费信息的能力都增强了；另一方面，越来越多的人除作为消费者外，自己也成为创作者。对推荐系统来说，推荐的对象和被推荐的对象都在急剧增加，这促成了相关研究的繁荣。可以说在自媒体影响过后的当下，推荐系统不止进入用户生活的方方面面，更成为普通人生活中不可或缺的一部分。

推荐系统在早期类似启发式的方法比较多，到了现在，经过深度学习变革的洗礼，逐渐形成了“模型构成主漏斗，策略环绕”的架构。在模型方面，入口由大到小，经过召回、粗排、精排等环节，逐渐推选出最终展现的候选。在整个过程中，布满了各式各样的为了满足业务需求而设定的策略，比如保送某类内容，或者过滤不该被推荐的候选，等等。大部分策略是为了弥补模型能力的不足而提出的，但现在随着模型能力越来越强，其中一些环节已经逐渐被模型取代。