如果我们真地有所有用户对所有物品的喜好度的精准预测，特别是除了用户喜欢的程度，也能把用户真正不喜欢的和用户未注意到的情况区别开来，并且不考虑这么多数据量的训练性能影响，则这个point-wise模型可以用来根据评分大小作排序，可以不需要 BPR。不过实际环境中这种理想状态很难达到。

现实中我们喜欢的，商业系统推荐的是一批物品，不是单个物品。展示位置，展示时间等因素会影响用户的感受，互动和之后的评价结果。把整个系统的预测效果看成一个整体，就需要融入排序效果的学习。排序学习这个过程则依赖于物品喜好度的预测，包括一对物品之间用户更喜好那个来优化目标函数。