现在,我们正处于一个信息爆炸的时代,随着网络技术的推广以及其中各种应用数量的增加,互联网中的数据量也快速上升着。电视剧领域也深受互联网的影响,同样出现了信息过载的问题。对于这种情况,目前的一种共识是使用推荐系统进行解决。在电视剧领域通过互联网高速发展的过程中,出现了一类新型的电视剧资讯网站,与传统电视剧网站相比它们没有视频资源,无法提供用户观看电视剧行为的相关数据,且体积较小,用户数量更少,但是它们却拥有丰富的电视剧周边资讯,可以提供更专业、更有针对性的高质量服务,因此也是一种较好的研究对象。因此,本文针对这种专业化电视剧资讯网站提出了一种基于隐式反馈的电视剧推荐系统。具体来说,我们综合使用了用户显示兴趣标记这种显示反馈,与用户交互记录这种隐式反馈,提出了一种解决用户个性化兴趣程度描述的方法。同时我们还通过对电视剧标签信息与用户隐式反馈的利用,使数据平衡问题得到了较好的解决。通过利用上述两个步骤的结果,我们最后引入了一种带有权重的概率矩阵分解算法进行模型训练,构成了我们最终的电视剧推荐系统。最后,我们设计了详细的实验来对我们的系统进行验证,并且实验结果充分证明了我们所提出的推荐系统的有效性。