从信息发掘层面定义web的版本那么可以说web1.0就是一个内容汇编的时代，那个时代出现了雅虎目录和门户。而web2.0则是一个信息搜索的时代，Google独领**；web3.0这是一个信息推荐的时代，这个时代有国外的strumbleupon和国内的无觅网。
在这个信息泛滥的时代一旦接入网络，门户资讯，im群和好友信息，微博，rss订阅等信息主动推送过来，在主动寻求信息的过程中，多个渠道来源，动辄数百万上千万的搜索结果让用户变得越来越累。另一方面，社会竞争的加剧又迫使用户没有办法在获取信息整个过程花费比原来更长的时间。这一时代，整个互联网的信息仍然在快速增长，但是对于个人而言，获取所需的信息会更快速，更准确。伴随着这种需求的增长，依赖个人兴趣和阅读习惯的信息推荐将成为下一个时代的核心应用。
一、基于公众推荐的内容筛选
google reader里面每天有几个未读提示，消灭这些数字是件有趣的事情，然而当数字变成1000+就没那么有趣了，google reader的chrome插件PostRank Extension 在这个时候就显得尤为重要。它通过对digg以及其他社交数据的采集，来对一篇文章进行评价，分成还成(good)、不错(great)、特好(best)几个档次，大多数情况下，只选择获得best级别的信息会是个不错的决定。
二、基于数据挖掘技术的个性化筛选
Google有个免费的博客插件，名为Related Links,它可以根据可以在您的网页上放置一个控件。对于每个页面，它可以自动找到站内相关的页面，并显示在控件内。不过我要说的不是这个——一款名为无觅相关文章插件的前Amazon技术人员开发的产品则更进一步，它“利用数据挖掘的技术，分析文章标题、标签、内容相关性，在读者看你的文章的时候显示与其相关的文章，从而增加访问量，提升读者逗留在你网站的时间。文章的相关度还会根据用户点击和时间因素实时优化。”如果你经常看一些国内的知名博客、独立论坛，你一定会经常看到这个产品；甚至在比特网这样的大型门户中你都会看到。
搜索依赖的是用户主动提交的需求，但是并不是每一个用户在每一刻都知道自己想要什么；即便是知道自己想要什么，也不是每个人都能够准确地描述。推荐依赖的是推用户阅读习惯和当前情景的发现，帮助用户发现他真正需要的内容，也许他自己都不曾想到。这就是推荐和发现。同样道理，当你进入一个网站，也许你根本不知道网站有哪些内容是你真正喜欢的，此时搜索、目录都已经太笨重；利用无觅这样的推荐机制，智能地向你推荐网站的信息，既帮你过滤了垃圾信息，发现价值信息，也帮网站主带来了更加丰富的流量和用户。
