Web 2.0 概念红火的时候，Delicious、Flickr
等服务如日中天，其使用标签（tag）管理和检索内容的方式也颇受追捧，网站和应用程序纷纷学习。但这么些年用下来，除了
Delicious 之外，并没有觉得标签有多好用，特别是像 Evernote
和为知这样需要保存内容的笔记工具。
一个原因是，不支持组合标签的标签系统就是残废。
第二个原因是，增加标签的人工成本太高，而得到的回报不够。
一篇内容颇丰富的笔记要保证日后能够通过标签分类筛出来，可能要增加5个以上的标签，然而还是有一定几率要靠全文搜索才能定位，甚至可能找不到。
为什么？
因为标签要求精确匹配，如果我增加“米塞斯”、“实在论”的标签，而检索的时候用“米瑟斯”、“唯实论”，必然抓瞎。
于是，一方面，增加标签时要尽量多写，这样操作成本必然越来越高；
另一方面，就是在检索时反复尝试，这样就完全体现不出标签系统的好处，特别是还有组合标签功能时，你根本不知道到底是哪个标签的筛选落空了。这样，标签还不如全文检索来得方便。
但全文检索也解决不了上述同义、近义词的问题，要是文章内容中只出现“喜大普奔”，你轮换着搜“头顶青天”、“狂喜乱舞”那也白搭。
更进一步，同义、近义词也有覆盖不到的时候，比如涉及“李森科”的文章通篇都没有出现“伪科学”一词，但我们在搜索这篇文章时，不记得涉及的人名，只关心主题，很可能会输入“伪科学”而不是“李森科”，于是一无所获。
所以，大概只有等到程序能够理解自然语言的含义，才能以符合预期的方式检索信息吧。