随着互联网技术的日趋发达，互联网应用已经渗透到每个行业乃至日常生活中。同时，电子商务开始高速发展。随着互联网技术的广泛普及，网络广告投放已经成为电子商务推广及发展的主要模式。目前绝大多数广告商采用广告风暴方式进行广告投放，这种方式主要的特点是一味的追求广告数量的增加，然而这种方式并不能得到让人满意的效果，甚至在一定程度上会造成用户对广告商品的反感。向特定的用户投放感兴趣的广告成为电子商务进一步发展的必然趋势。个性化推荐系统(PRS, Personalized Recommender Systems)在文字搜索领域已经有比较成功的应用，通过对用户兴趣偏好的搜集，向用户推荐可能感兴趣的资源，这种方式必定比盲目的推荐效果更佳。将个性化推荐系统应用于网络广告投放系统中同样可以获得更佳的效果。在视频流传送结构中，网络营运商充当传送者身份，对于用户观看的任何视频都有详细的数据，如何根据这些海量数据提取出用户的兴趣偏好成为问题的关键。个性化推荐系统在网页文字搜索领域已经取得了比较大的成功，但在网络视频领域，个性化推荐系统的应用还处于一个探索阶段。本文首先就当前应用最广的个性化推荐系统做了简要介绍，并对其工作原理进行了阐述。随后根据网络视频的特性以及营运商海量数据中可以提取到的特征，提出了基于本体的用户兴趣判定模型，该模型以本体为基本原型，以带权兴趣树为模板。结合视频领域的各种特点，分别构建了视频类别本体、描述本体、演员本体以及标题本体。在设备端获取到视频流相关信息后，将对应的视频信息与本体进行挖掘计算，随后再将兴趣偏好结果进行聚合处理，得出初始兴趣偏好。由于用户兴趣具有动态性，因此在得出初始兴趣偏好后用历史用户兴趣记录对当前的兴趣偏好进行权值修正，并更新用户历史兴趣偏好。经过实验证明，该模型对用户的兴趣偏好判定准确性较高，能够识别网络中绝大类型的视频，通用性能较好。最后，对各大本体的构建细则进行阐述，主要包括人群划分原则、节点关键词集的构建、以及视频分辨率等信息对用户兴趣偏好的影响。