近年来,互联网技术飞速发展,智能电视逐步取代传统电视机,互联网电视变成了新的家庭娱乐终端。互联网电视平台的服务内容及信息逐渐变得丰富;但个人用户在观看电视节目时,存在信息过载问题。当前大数据潮流已经难以逆转,企业如何利用这一技术持续进行用户喜好的挖掘,找寻用户行为习惯的特殊规律,在了解用户的行为爱好的基础上个性化的推出相应的内容服务,从而提高平台内容的有效播放量。鉴于此,本文基于用户画像技术,提出了用户行为模型,在实际案例研究中,使用CIBN互联网电视应用的用户原始数据,验证方法的有效性及可行性,本文完成的主要工作如下:(1)基于用户画像技术并根据协同过滤算法的基本原理,建立用户行为模型。(2)收集互联网电视CIBN互联网电视应用的40个用户原始行为数据,并在对用户行为模型进行了验证。(3)对本文提出的模型和方法在EPG内容发布与管理系统中的实现增加了系统的智能推荐部分及后台和前端的展示界面,并结合数据分析反馈验证了本文所提的方法的可行性和有效性。