一、应用场景
在基于用户兴趣召回物品时，每个用户都有兴趣标签，有时候可能兴趣标签非常多，每一个标签都有计算出来的权重，从高到底进行排序。在进行推荐的时候，我们到底基于哪些兴趣标签进行推荐呢，只选取topN的吗，还是全部？如果只选取topN的，那每次推荐结果都比较相似，而且权重低的兴趣标签似乎得不到推荐；如果按照全部标签进行推荐，可能计算量会非常大。
这个时候可以加权采样方式筛选用户的兴趣标签，每次召回的不是全部兴趣标签，而是按照权重采样一部分标签进行召回，这样做的好处是显然的：
1）减少召回的时间复杂度
2）可以保留更多的标签
3）每次召回计算都有所变化，满足了推荐多样性
4）虽有变化，但依然受标签相对权重大小的约束
在热门排行榜的展示中，也可以采用加权采样方法，比如热门展示位只有10个，那每次可以加权采样10个展示，刷新还有细微变化。
所以，加权采样应该属于推荐系统中的技巧性方法，能够细微的改善用户的推荐结果，还是非常重要的。