在当今移动互联网飞速发展的时代,信息化数据呈现指数型增长,如何在信息海洋中快速过滤冗余信息,获取有效信息成为人们面临的共同问题。虽然的搜索引擎技术在某种程度上解决了上述的问题,但是,该项技术有一个弊端,即必须需要用户主动输入需要搜索的相关信息才可以进行筛选。当用户输入的搜索关键词不能完全表达用户的需求时,产生的搜索结果就会较差。而对这种情况,个性化推荐系统应运而生,成为了当前解决信息过载问题最有效的技术之一。目前的个性化信息系统应用较为广泛,推荐算法的种类也很多。但个性化推荐系统基本上应用于电子商务服务平台,在影视信息领域的应用较少,而且这些应用面向的用户基本为普通个人用户。本文研究的推荐系统的用户,并非是普通的电视观众,而是在电视台的工作人员,即本文提到的频道用户。在影视领域,如何面向频道用户应用个性化推荐服务,在国内是较为新颖的问题。在频道用户进行节目编播单制定时,经常会考虑购买一些其他频道播出的收视较好的节目进行重播,如何能够快速的找到适合本频道播放的节目便成为了问题的关键。本文研究的主要内容,就是根据频道和影视节目数据的特点,提出了一种面向影视领域的节目推荐算法。该算法首先分析目标频道播出的节目信息得到用户偏好矩阵,然后通过计算用户偏好和节目之间的相似度,按照相似度排名得到推荐列表,反馈给用户。通过该算法,可以找到与本台播出节目较为相似且收视率较高的节目,提供给电视台工作人员在进行节目选取时做抉择使用。同时,本文将提出的节目推荐算法应用到了智能影视数据分析系统中。