随着互联网科技的高速发展,更多的用户选择从互联网获得视频资源服务而不是从音像商店购买光碟或是等待电视固定时段播出的节目。同电子商务等其他资源信息的获取一样,用户渐渐发现了难以从信息海洋中寻找到真正需要的视频信息的情况即信息过载状况。为解决这一问题,引入数据挖掘方法的推荐系统正逐步从研究实验走向商业化发展。一些早期的商用视频推荐系统公布数据显示,提供更为精准的推荐服务能为视频网站获得更高的用户点击率从而带来更为丰厚的利益,而这主要依赖推荐系统中推荐方法的合理应用。本论文主要研究提供一种适应于校园网络的混合型个性化视频推荐系统的解决方案。本文一方面解释了这一课题所涉及的各种推荐技术的主要思想并对其优势与不足加以分析,另一方面对目前实验和商用的推荐系统技术研究和体系结构进行了概括总结,进而针对采用P2P视频分享技术的校园网络视频网站的特点提出了MAR-HVRS (Matrix and Association Rule-based Hybrid Video Recommendation System)校园网络视频推荐系统设计方案,并在本论文中详细描述了MAR-HVRS系统的实现过程。MAR-HVRS系统基于特征矩阵和关联规则的推荐方法寻找视频对于用户的相似度或频繁模式,对两个系统推荐方法产生的预测结果进行加权组合,获得最终推荐结果。本论文还提出了基于顾客细分思想的数据预处理方法CS-DP(Data Preprocessing based on Customer Segmentation),并在本视频推荐系统中运用。实验表明,与传统推荐系统相比,引进了CS-DP方法的MAR-HVRS系统的推荐结果类型更为丰富,推荐结果的召回率提高近一半并保持了准确率的基本稳定。目前,本系统仍需在运行过程中对数据进行观察与测试,对推荐算法参数做出适应性调整以提高推荐效果。关于本课题研究的混合型推荐系统中也还有一些可以继续深入研究的方面,包括特征矩阵的模型可以进一步考虑修改或增加有效的特征、增加数据传递过程规范化的加密解密措施以提高系统安全性等。