随着社交类应用的普及以及短视频行业的迅猛发展,人们越来越习惯于在社交平台上采用录制短视频的方式与其他人分享自己的生活和感兴趣的人或事,或者利用碎片式的空闲时间通过观看短视频来消遣、放松。但是伴随着使用者数量的激增,会带来视频量过载的问题,从而导致用户搜寻感兴趣的视频需要花费掉很大一部分的时间。因此,设计并实现一个专门针对社交平台的短视频推荐系统是十分有必要的。通过这样一个系统来自主地向用户推荐其可能会感兴趣的内容,而节省用户自己筛选视频的时间,更加符合当今社会快节奏的生活状态,以提供更加智能、更加人性化的服务。本文在对社交平台上短视频特点进行分析的基础上,发现人像短视频占比较大,且每个视频时长较短,视频中出现的人物也较少。并且,每个用户都对视频中的人物具有一定的倾向性,所以,较易于对视频内容以及用户的喜好取向进行获取。并通过分析现有的视频推荐算法的优缺点,对其进行归纳并将视频中出现的人像与用户社交关系相结合进行改进,设计并实现了一个专门适用于社交平台上的融合社交关系的人像短视频推荐系统。首先,通过使用人脸检测与比对技术来获取视频中出现的人像以及每个人像在视频中所占的比重进行视频建模。并通过用户行为及社交关系进行视频建模;然后将用户的社交关系与视频内容相融合,来获取用户的最近邻居;最后,从最近邻居最近观看的视频中选择推荐系数较高的视频进行推荐。为了构建一个具有应用价值的视频推荐系统,本文首先对现有的视频推荐系统的构成进行了一系列的研究。在此基础上,对本系统进行了功能需求分析和非功能需求分析。并针对以上分析,设计并实现了本系统应具备的的前台和后台模块。通过对推荐算法进行改进,使其更适合社交平台的人像短视频的推荐。通过对比实验,可以看出本文所提算法的准确度较现有主流算法有所提高。故此,本文研究具有一定的理论意义及现实意义。