随着互联网、电信网以及广播电视网的融合(三网融合),作为新一代有线数字电视产品的双向互动数字电视IPTV,在世界范围内得到了迅速发展。自从2005年进入中国以来,由于其良好的互动性,他的用户数量增长迅速。节目内容提供商在IPTV平台上向用户提供了大量的图像、音频、视频等多种信息。在这种环境下,容易让用户迷失在庞大的节目信息空间中,用户即使经过繁琐的操作,也往往仍然难以找到自己喜爱的节目。由此可以看出,对于IPTV服务提供商而言,为用户提供精准高效的个性化节目推荐服务,进而提高服务质量,已经成为一种迫切的需求。现存的推荐算法主要有基于内容的推荐算法、协同过滤推荐算法和混合推荐算法等主要针对电子商务系统的推荐算法,而电子商务系统与IPTV系统有着显著不同。正是由于这些不同,使得以上推荐算法在IPTV系统中进行应用时,与在电子商务系统中进行应用时相比,准确性大大降低。其中,协同过滤算法是目前现存的个性化推荐系统中应用最广泛、推荐效果和计算效率最为稳定的推荐算法,同时也是最成熟、最成功的推荐算法之一。相似性度量是协同过滤算法的核心内容,传统的相似性度量方法,例如余弦相似性和Person相关相似性等方法分别在向量长度和交叠程度方面考虑不足。除此之外,传统的协同过滤算法对用户在不同时间的兴趣偏好同等对待,缺乏实时性。针对以上这些问题,本文分析了IPTV系统与电子商务系统之间存在的差异,并在此基础上对传统的基于内容的推荐算法和协同过滤推荐算法进行改进,进而提出了一种改进的基于内容的推荐算法和一种基于TJacUOD的协同过滤推荐算法。基于T_JacUOD的协同过滤推荐算法是引入JacUOD的方法来计算用户之间的相似度,并引入时间权重来体现时间因素对推荐结果的影响。将其与传统的协同过滤算法及其目前存在的几种改进算法进行对比,使用MovieLens数据集进行实验得到的结果表明,基于T_JacUOD的协同过滤算法对不同的邻居个数,其MAE值均有所降低,在一定程度上提高了预测精度。改进的基于内容的推荐算法考虑用户多次观看同一个节目的情况对用户兴趣的影响,使用逻辑运算来简化相似度计算,并引入开放式电影标签作为推荐的依据。使用福建电信iTV系统点播电影的数据集进行实验来验证提出的算法的有效性,实验结果表明,本文提出的算法与基于标签的协同过滤等其他算法相比,推荐命中率均有所提高,召回率降低,在一定程度上提高了预测精度和性能。最后,本文在福建电信iTV视频推荐系统的应用背景下,根据其各自的特点,把本文提出的两种推荐算法应用到电信iTV视频推荐系统中以应对不同的场景,从而实现了理论与实践相结合。