在互联网大数据融入生活常态化的背景之下,面对形形色色市场需求与海量艺人数据,开发一套针对影视作品选角功能的平台系统来为影视制作方从大量的候选人中挑选出最合适的艺人提供科学的数据决策意见,是着眼于我国影视制造业与文娱未来盈利的一个重要突破点。本文针对传统推荐系统架构和现实影视选角需求展开研究,从影视行业的现状发展与艺人历史数据出发,结合数据挖掘与机器学习的手段模拟人类选角考虑的各个方向进行选角,建立出一套有科学参考价值意义、符合大众喜好趋势的影视选角推荐系统。本文对影视制作的的选角环节具有重要的参考意义,具体研究内容如下:（1）首先对国内影视作品于影视社区的在线评分预测模型构建进行了研究。在影视选角问题的分析中,结合现实问题的场景创新地提出使用影视作品的评分预测模型去拟合大众对艺人选角效果的评价效果。为实现这一预测模型,本文针对国内外传统电影评分预测模型的研究进行了总结,并在历史研究的基础上使用了XGboost算法且使用了特征筛选的处理和实现高相关特征的提取量化,最终构建了面向国内观众的基于影视作品特征向量的影视作品评分预测模型。（2）构建了基于艺人数据的艺人画像。本文结合数据挖掘技术与文本信息提取技术对艺人的基础数据进行分析后构建了艺人画像,总结了一套可反映艺人综合特征的各个指标。同时,本文提出了艺人个性化特征的标签提取方法代替了人工标注的工作,实现了个性化标签提取的自动化。（3）设计并实现了影视作品选角推荐系统模型。该部分是在前两个部分工作的基础上实现的。通过结合前序工作中构建的影视作品评分预测模型与艺人画像标签体系中各个特征,深入全方位挖掘了艺人在选角过程中可能被考虑的点并设计了详细的艺人召回策略与艺人排序策略,实现了影视选角推荐需求。（4）本文在以上工作的基础之上,完成了影视作品选角推荐系统的设计与分析工作,包括系统的架构分析、功能分析、数据库设计和系统的实现与测试。