当前,传统电视纷纷向智能电视发展。2012年智能电视的用户增长有望超过千万。与传统电视相比,智能电视可接入互联网,并可支持各种应用及更多的交互方式。但是在收看电视节目时,仍然存在问题:电视节目的数量增加后,用户对电视节目的选择也需要越来越多的时间。如果没有良好的工具来挖掘数字电视所具有的丰富内容,用户就无法从大量的节目信息中快速地搜寻出自己需要的节目。所以智能电视用户迫切地需要一个面向智能电视的推荐系统。该系统将帮助用户从众多的节目中筛选出其所需要的节目,使得用户对智能电视的使用过程更加舒适方便。　　 为此,本文以设计和实现一个面向智能电视的推荐系统为目标,并重点围绕在以下几个方面开展了研究:　　 (1)用户反馈获取与分析　　 用户反馈是指用户在使用智能电视的过程中所发生的各种行为和动作。反馈分析是指如何从这些行为和动作中分析出用户对不同节目的喜好信息。本文从用户的显式反馈和隐式反馈两个方面进行了分析。在显式反馈方面,系统通过电视节目的分类体系逐级下降的方法来减轻用户表达其对普通电视栏目的喜好时的应答负担。对于电影电视剧系统通过选取具有较大差异的对象使得较少的问题中包含了较大的信息量。在隐式反馈方面,系统通过划分会话以便精准的理解用户的喜好信息,同时系统还分析了用户对推荐结果的反馈。　　 (2)用户模型与推荐算法　　 用户模型是对用户特征的建模,本文中是指用户对电视节目观看兴趣的建模。根据电视节目内容的差异性,系统将用户模型分为两部分,第一部分是电视栏目,第二部分是电影电视剧。这种划分反应了电视节目的特点,使得推荐更加准确。它们通过树形结构存储用户的统计信息并直接为本文采用的贝叶斯算法提供数据。本文对实验结果进行了细致的分析。实验结果表明,该算法具有较高的准确率,能够给用户带来较大帮助。　　 (3)节目数据库获取　　 本文通过网络抓取相应的电视节目编排数据和其中所包含的电影电视剧数据,并将其存储在节目数据库中,然后适时推荐给用户。本文共抓取了三个月九个频道的数据以进行实验。　　 (4)推荐系统设计与实现　　 根据实际应用需求,本文以模块化的方式设计了一个基于客户端/服务器结构的系统,它通过消息进行通信。消息包括用户反馈消息和服务请求消息。系统根据消息的类型提供不同的功能,并能够扩展可接受的消息。该设计使得系统可以方便的增加功能,具有良好的可扩展性。