随着电信网、互联网和广电网的三网融合，IPTV在世界范围内迅速发展，双向互动数字电视机顶盒（IPTV机顶盒）成为了数字家庭中的核心组件。IPTV系统为用户提供越来越丰富内容的同时，其结构也越来越复杂，用户往往会迷失在庞大的互动节目信息空间中，经过繁琐的操作仍难以找到感兴趣的互动节目。在这种背景之下，网络电视推荐系统能对用户可能感兴趣的互动节目进行关联、预测和挖掘，并将节目推荐给用户，以达到节省用户操作时间、增加点播量的目的。但是，由于数据规模的扩大以及用户喜好的个性化，传统的基于标签和搜索的推荐算法面临着推荐效果方面的挑战，难以满足IPTV用户的需求。 本文对基于用户和基于项目的协同过滤数据挖掘算法进行了研究和分析，并在其基础之上提出了基于评分统计的协同过滤算法。该算法为了解决传统协同过滤算法存在的新项目问题，对新加入的项目通过统计进行评分预测，在保证误差较小的前提下，有效的确保了新加入的项目获得推荐系统合理的推荐。此外，相对于基于内容预测的协同过滤算法，本算法减少了时间复杂度，同时避免了提取内容时带来的接口不统一问题。运用改进的协同过滤算法，本论文在广东省数字家庭行动计划的应用背景下，探讨了如何进行网络电视推荐系统的架构设计，并给出了一个面向数字家庭中间件和iPanel技术的网络电视推荐系统实现方案。该方案有助于缩短用户查询感兴趣互动节目的时间，提高用户的点播量，从而提高点播带来的经济收益，也有助于运营商了解用户的兴趣所在，同时，该方案具有良好的扩展性和可重用性。