由于互联网的出现和普及,带来了海量的数据信息。然而,在大量信息面前,用户对信息的使用效率反而降低,即所谓的信息超载问题。那么,个性化推荐系统正是响应需求而出现的“救兵”,它根据用户主动或者被动展示的信息需求、爱好、历史行为等等,发掘用户的信息需求。推荐引擎与视频知识库结合,视频知识库提供海量的信息,而推荐引擎是知识库信息的展示载体,将知识库中的信息转化为用户可消费的内容,提供更加有针对性的富文本信息,能够引导用户在更短的时间获取更多的信息,为用户推荐丰富的内容。本文对个性化推荐系统和视频知识库结合的技术进行了研究和分析,设计了基于视频知识库的个性化推荐系统,主要包括以下内容:第一,设计了基于视频知识库的个性化推荐系统的架构,将视频知识库提供的特征信息和视频之间的关系利用到推荐系统中,包括将视频知识库提供的特征信息和视频之间通过特征建立起来的关系分别利用基于视频特征相似度的推荐算法和基于视频关系的推荐算法进行推荐计算;第二,将用户对视频的评分数据,利用协同过滤算法进行个性化推荐;第三,将不同的个性化推荐结果利用一种可变的权重分配方式组合起来将最终的结果推荐给用户。最后将本文的设计在视频网站中进行了实现、测试和评价,分别对比了本文设计的算法和经典的协同过滤算法的推荐结果和在不同权值分配下的推荐结果,验证了本文设计的基于视频知识库的个性化推荐算法能够有效解决用户数据稀疏性问题,提高推荐结果的质量。