直播频道推荐方法是为满足直播观众的个性化观看需求、直播频道或直播平台的利益需求,然而当前直播频道推荐方法仅根据观看这种行为而针对观众的偏好进行分析,忽视了一些不可避免的噪音数据对推荐结果的影响,并且面对庞大且稀疏的真实数据不能保证较快的训练速度以及较优的推荐结果。因此,如何挖掘观众的潜在偏好表达,设计一个结果精度和实用性更高的直播频道推荐方法具有理论和实际意义。为解决现有的直播频道推荐方法对观众偏好分析的局限性,对直播场景下观众的重要行为数据进行了分析,认为观看行为、弹幕发送行为以及礼物赠送行为都对观众偏好表达有重要意义,因此构建了直播观众行为矩阵。而针对现有的直播频道推荐方法忽视噪音数据这一问题,在分析直播频道分类标签数据后,选择采用粗糙的分类标签信息来辅助过滤噪音数据,因此构建了直播频道标签矩阵。基于直播观众行为数据特征的分析,假设观众越喜欢一个频道则对该频道会花费的精力越多,并且不同行为对其偏好表达的影响有大小,基于此,构建了直播频道偏好评价模型。为达到高精度推荐、噪音数据过滤等目的,结合稀疏线性算法在稀疏数据下的优势,加上基于分类标签的级联混合特点,设计了基于级联过滤的SLIM模型的直播频道推荐方法。将基于级联过滤的SLIM模型的直播频道推荐方法与最新的直播频道推荐方法进行对比,设计了命中率、平均倒数命中排名、覆盖率等指标,实验结果表明其综合性能优于现有的直播频道推荐方法,即在保证推荐精度的同时,推荐结果覆盖了更多的直播频道,达到了推荐精度提升以及增加推荐多样性的实用性目的。