社交网络发展至今,正在极大改变受众的媒体习惯,刷微博成为越来越多人获取信息的首要来源。而与此同时,传统电视媒体由于播出时间固定、缺少互动等弊端,正面临用户大量流失的现状,也正积极寻求和微博等社交媒体的合作。伴随着这股媒体移动化、社交化的浪潮,社交电视应运而生。社交电视是传统电视和社交网络的结合,相较于传统电视,社交电视的内容更丰富,信息更海量。一方面,互联网为社交电视提供了新的内容来源,用户面临海量的节目信息往往不知道作何选择；另方面,社交网络上关于节目的种种“吐槽”也令看众目不暇接,用户希望能及时掌控微博上关于节目的热点讨论。基于上述背景,本文重点研究了面向社交电视用户的个性化服务问题。首先,本文研究了基于用户交互行为的节目个性化推荐算法。基于系统收集的用户行为数据,建立了节目特征模型、用户兴趣模型。其中,在用户模型的构建中,对电视场景下用户隐式反馈行为的具体量化方法进行了深入探讨,并在此基础上提出了基于内容和协同过滤的电视节目混合推荐算法。之后,本文从春晚微博“吐槽”热潮入手,利用案例分析法,研究了社交网络上节目相关微博的过滤和推荐算法。考虑到微博中节目名称歧义和缺失等问题,本文将节目相关微博过滤转换为一个二分类的问题来解决。而在节目相关微博推荐中,通过对微博影响力、发博用户影响力和用户一微博相关程度等因素的综合考虑,利用推荐指数排序的思想产生最终的节目微博推荐列表。最后,“电视呈现内容,终端负责交互”一电视屏和手机屏“双屏结合”是目前社交电视主流的实现形式。基于这个理念,本文设计和实现了一套社交电视个性化服务系统。系统的服务器端主要用于实现上述模型和算法,客户端依靠移动终端软件“电视助手”,提供用户交互和数据采集等功能。对此,本文具体介绍了系统的整体架构、功能需求,并对各模块的详细设计和具体实现进行了详细介绍。