随着互联网技术的不断成熟,社交网络服务已经融入到我们生活的各个方面。视频推荐已经成为在线视频服务中重要的一部分。目前比较流行的视频推荐算法包括基于内容的推荐、协同过滤推荐和基于社交化的推荐。这些算法共同的不足之处是面对冷启动和数据稀疏的难题。当没有足够的观看历史时,传统的视频推荐算法往往不能够满足用户的需求。本文提出了一种基于社交群推荐的算法,该算法综合考虑了视频用户的习惯特征以及社交网络中社交群体的关系。分析用户、好友、群好友间关系,以及提供的隐式反馈信息,有效的给用户推荐他们感兴趣的视频。同时,得到用户的认可,获得较高的点击率。本文的主要工作如下:1、调研了个性化推荐及社交化推荐领域国内外研究现状和相关技术,比较了几个有代表性的算法,并结合社交群的特点,确定和分析了通过社交群和仅通过好友圈子获得的候选视频的区别。2、设计并实现了一种基于社交群信息的个性化推荐模型与算法。通过对群内视频排序打分、社交群打分和结果聚合几个关键步骤,详细阐述了算法的流程。本算法不仅能够实现单群推荐,而且能够结合多个群进行推荐,得出最优的结果,实现对视频准确的推荐。3、本文将基于社交群的视频推荐算法与传统的协同过滤和基于内容过滤的算法相比较。结果显示,基于社交群的算法不仅提高了视频推荐的点击率,也提高了视频推荐的多样性。实验证明,基于社交群的推荐算法对于解决冷启动和数据稀疏性问题有明显改善,并在推荐精度、多样性、惊喜度等方面相对于传统视频推荐算法有较大的提高。4、本文进一步研究协同过滤和基于社交群算法在推荐点击率上的各自优势,继而分析潜在的混合策略。