在互联网电视为用户提供越来越多选择的同时，互联网电视运营商不得不面对这样的问题：一方面，互联网上的视频节目多种多样，但是用户并不一定都有兴趣，一般情况下，用户需要不断地搜索、浏览后才能找到自己满意的视频节目；另一方面，用户的需求同样也是多样化的，互联网电视运营商也不可能完全掌握，因此在用户面前呈现的界面是一样的，不可能与客户建立一种长期稳定的关系。互联网电视在发展的过程中受到制约的主要原因就是没有个性化的服务。因此一个智能推荐系统是站点必备的，这个系统可以对用户的行为、偏好等信息进行分析。此外，根据这些信息，系统可以将一些推荐服务自动提供给用户，完成基于用户的网络一对一服务体系。在这种背景下，互联网电视和互联网数据挖掘紧密地结合起来。互联网数据挖掘是从服务器日志和网络用户行为日志中寻找并统计用户喜欢的、潜在的一些信息，实现互联网和传统数据挖掘技术相结合，来发挥多方面的作用，这属于一个全新的数据挖掘研究方向。本论文对数据挖掘技术进行了介绍，分析了互联网电视的现状和发展趋势，依据全网用户点播收视行为数据，将推荐系统模型建立起来，并详细描述系统不同模块功能及其相互之间的协调能力；对这个推荐系统所需的推荐算法进行了详细研究。通过分析CNTV全网数据，利用聚类协同过滤手段，来实现此系统的聚类算法，根据推荐算法实现了CNTV的“一云多屏”智能推荐系统，并对系统的整体结构和功能做了详细介绍，最后，根据系统的智能推荐结果进行了分析与总结。