现如今电视节目众多，用户很难快速找到自己真正感兴趣的电视节目。在海量的电视节目面前，如何帮助电视终端用户快速找到想看的节目，已然成为电视行业的研究热点。因此，将互联网中广泛应用的推荐技术引入电视，可以帮助用户更加高效地找到观看节目。
目前个性化推荐系统是由场景引擎层，规则引擎层，算法引擎层，采集引擎层等组成。随着越来越多的用户使用个性化推荐系统，个性化推荐系统性能成为用户关注的焦点，个性化推荐系统性能越高，用户同时请求数量越大，个性化推荐系统越稳定，用户体验才越满意。
现阶段，随着应用场景越来越多，个性化推荐算法越来越多，一个场景需要配置一段很长的规则，大大降低了个性化推荐系统性能，导致个性化推荐系统性能普遍偏低，个性化推荐系统不稳定，经常会出各种问题，同时个性化推荐系统的各个引擎层没有建立一套标准，引擎层之间关系错综复杂，对提高个性化推荐系统性能产生了极大的干扰。