随着我们社会的发展,生活中已经随处可见互联网。普通有线电视,已经渐渐地被IPTV(Internet Protocol Television)所取代。IPTV相对于传统有线电视,其内容丰富性大大提高,与用户交互性也大大提升。但IPTV节目的丰富性使得用户很难找到想看的节目。而推荐系统在IPTV上的应用,使得用户寻找令其感兴趣的节目的过程变得更简单。推荐算法一般来说,可以分为三种,基于内容的推荐算法,协同过滤算法以及混合推荐算法。本文提出了一种混合了基于内容的推荐算法和协同过滤算法的IPTV推荐系统。IPTV节目有很多种节目类型,而用户在每种节目上面的喜好可能有所不同,如果我们在推荐的时候,不去考虑节目类型,准确性就可能会受到影响。考虑到多类型问题,本文基于最近邻算法KNN(K-Nearest Neighbors)提出了一种基于内容的推荐算法:多类型最近邻MKNN(Multi-type K-Nearest Neighbors)算法,并采用了一种分布式和并行实现。相应的,本文基于正规化奇异值分解RSVD(Regularized Singular Value Decomposition)提出了一种协同过滤算法:多类型正规化奇异值分解MRSVD(Multitype Regularized Singular Value Decomposition)。另外,本文在混合基于内容的推荐算法和协同过滤算法时,采用了一种用随机梯度下降法来训练的基于Weighted(加权平均)的自适应Weighted算法。本文的实验是基于省级广播电视公司的实际IPTV数据集,其结果表明,本文的基于内容的推荐算法MKNN相对于KNN,协同过滤算法MRSVD相对于RSVD,混合推荐算法自适应Weighted相对于Weighted,其准确性都有所提高。