推荐系统历史去重。
历史去重，顾名思义，就是将历史推荐给用户的item不再进行重复的推荐，进而引申的是将已经推荐过的item的高相似item也进行过滤。所以根据实际推荐系统的框架，大致可分为三种历史过滤机制：
若推荐系统后端负责推荐下发策略，前端负责用户行为打点，那么当后端和前端不是同一个团队时，历史下发过滤会是在推荐系统初期成本最低的一种过滤机制，缺点是下发未展现的高预估分资源会被浪费掉。由此，本文主要探讨2、3点中基于展现的过滤机制。
补图：历史展现去重时序图
历史展现过滤中最重要的是用户的历史展现序列怎么定义，比如跨场景、跨天等，高相似度过滤中如何定义item的相似度、跨场景、跨session的高相似度去重都是值得细细探究和深挖的点。