随着多媒体和网络技术的高速发展,我们正处于一个信息爆炸的时代,而信息正是我们认知世界的方式。相对于文字、图像而言,视频能够提供更加全面、直观的信息,因此视频已经成为用户获取信息的主要途径之一。然而,让用户从浩瀚的视频海洋中寻找自己感兴趣的内容是十分困难且不切实际的,用户需要一个能主动筛选内容并向自己推荐一些感兴趣的内容的系统,即推荐系统。为了更好地管理视频和提高推荐准确率,本文研究并实现了一种不同于传统视频查找模式的基于可视化知识框架的视频推荐系统。本文主要研究内容包括以下几个方面：首先,通过使用信息提取技术把隐含在视频背后的知识结构、场景关系、语义网络等深层次的内容提取出来,作为视频标识,接着,根据视频标识把目标视频群连接成视频知识框架图,以替代传统视频的简单线性浏览方式。其次,研究相似性度量算法和现有推荐算法,提出缺陷问题,并着重对协同过滤算法加以改进和优化,以提高推荐准确性。然后,应用算法得到推荐结果,再通过可视化技术把结果直观有效地推荐给当前用户。这种视频模式的可视化较强,且能够在相同的时间单位内为用户提供更多更有价值的信息。最后,对系统推荐准确性进行测试和评估,实验结果证明系统推荐的准确性效果良好。本文最后对研究工作做了总结,指明了本系统设计与实现中的缺点与不足之处,同时对未来进一步研究方向进行了说明。