随着国内各类视频应用的迅速发展,传统的IPTV业务受到了剧烈的冲击。IPTV运营商急需一套IPTV节目推荐系统,用于从他们日趋庞大的节目库中找出用户最感兴趣的内容,推荐给用户观看,以提升用户的付费转化率。本课题的目标是构建一套可以部署不同推荐算法的、面向IPTV节目源的推荐系统。IPTV运营商可以选用系统中部署的不同推荐算法,以获取最好的推荐效果。本系统需要实现数据导入和清洗、IPTV业务数据管理、特征数据提取、推荐算法参数配置等功能。这些功能配合系统内部署的推荐算法,为IPTV运营商提供推荐服务。运营商的IPTV系统可以与本系统通过接口进行交互,将IPTV业务用户数据、IPTV节目数据、用户行为数据上传到本系统,并从本系统中查询对特定用户的推荐节目列表。在本系统的前端页面中,IPTV运营商可以对已上传的数据进行一定的管理操作,并且可以用上传文件的方式批量导入数据。本文首先对面向IPTV节目源的推荐系统进行需求分析,明确功能性需求和非功能性需求。之后设计系统的架构,划分功能模块,定义系统内外接口。本系统的服务端分为两个子系统,分别为平台服务子系统和模型运行子系统。其中平台服务子系统包括账号管理、产品管理、推荐模型管理、接口服务四个模块。模型运行子系统包括模型运行器、特征提取两个模块。本文给出了数据库表结构和各模块的设计方案。在实现上,本系统基于Flask框架、SQLAlchemy框架、RocketMQ消息队列、Apache Spark计算引擎、ElementUI前端组件库、Vue.js框架等组件实现了面向IPTV节目源的推荐系统原型,并进行了系统测试。本文最后对论文的工作进行总结,给出了当前系统中存在的问题,提出后续的优化方向。