1，高订单tag的top1-10的tag-id，作为user的单侧共10维特征的value
即一个list作为user单侧特征
缺点：丢失了user对每个tag的订单数量和tag-rank10以外的tag信息

2，高订单tag的top1-10的订单量，和高订单tag的top1-10的tag-id，一起作为user的单侧共20维特征的value
相当于一个map作为user单侧特征
缺点：丢失了tag-rank10以外的tag信息，所以也可以把所有不止top10-tag都放进Map，做成key有序的map，map的value-list作为特征值，tag种类/维度 太多可以想办法合并一下
优点：相当于模型判断user对一个item/tag是否感兴趣时，user单侧有比较完整的user对top10-tag的历史订单信息

3，作为共1维交叉特征，即存下user对（item的）每个tag的订单量，在模型训练时，每条训练数据有user列和tag列，tag列的每个值是user对该tag订单量，在模型预测时，输入user和tag，取到user对该tag的订单量 输入模型
缺点：相当于模型判断user对一个item/tag是否感兴趣时，user侧只有user对这一个tag的历史订单信息