视频类业务以其生动形象的展示形式，受到各种网络环境的追捧。不管是以视频立足的广播电视网，还是本不涉及视频业务的电信网，以及快速发展的互联网，视频类业务均是当前的发展重点。面对爆炸式增长的视频业务及内容，信息过载常常导致用户无所适从，视频推荐技术应运而生。它为用户带来个性化的内容展示与引导，为网络及视频内容运营商带来可见的经济效益。本文在分析了当前视频推荐系统发展现状及其关键技术基础上，分别以基于关联规则和基于语义标签两条思路进行视频推荐系统的建模研究。基于关联规则的视频推荐系统建模研究以发现项目之间潜在的关联性为出发点，这可以是视频资源本身的关联性，也可以是用户之间的关联性。资源之间的关联性研究可以发现与目标用户已观看的资源关联性较强的其他资源，并以此形成推荐；用户之间的关联性研究则是利用与目标用户关联性较强的其他用户的观看历史为基础形成推荐。在关联性研究的基础上，本部分的研究内容还将基于用户关联性研究结果，改进Slope One评分预测方法，并以评分预测的形式进行视频推荐系统建模研究。基于语义标签的视频推荐系统建模研究，需要为视频资源设计能够有效表示视频资源特征的语义标签，在此标签信息基础上对资源进行特征建模以及对用户进行兴趣度建模。同时，融合三种推荐方式，分别是基于资源聚类的推荐，基于用户聚类的推荐和基于兴趣度距离的推荐，以此组合推荐模型的方式扬长避短，以取得更好的推荐效果。本文研究的推荐系统模型具有较强的工程意义，其主要价值及创新点在于：详细分析了基于关联规则的推荐系统模型，包括资源关联性及用户关联性两种具体思路，并进行了细致的实验分析。对经典的评分预测方法Slope One算法进行了较好的改进，将其预测精度提高了10%以上，并较好的应用于推荐系统建模中。提出了一整套基于视频语义标签的视频推荐系统建模方案，并进行了全面的实验分析和关键指标评测，明确了其可行性和意义。