随着数据的指数式增长,在庞大的数据面前,用户无法精确地获取需要的信息,从而导致用户需要花费更多的精力去筛选出自己需要的信息,产生“信息过载”问题。因此,推荐系统应运而生,推荐算法也得到巨大的发展。其中协同过滤算法凭借着良好的性能被广泛地应用,但其仍存在冷启动、评分数据特征稀疏、用户偏好的时效性等问题,会影响到推荐效果。本文提出一种基于搜索词和时间因素的物品协同过滤算法来优化上述问题,改善推荐效果。算法采用混合推荐算法的级联法思想,首先在传统基于物品的协同过滤算法的物品相似度计算中加入时间因素和用户评分平均值平滑处理,得到一个初步视频推荐集合,其次对初步视频推荐集合中视频的视频描述或电影名进行分词,并基于对TF-IDF计算公式做平滑处理后的TF-IDF关键词特征提取算法来提取出视频描述中的关键词,以此代表相应的视频。通过结合用户的搜索词及浏览信息记录,从而得到最终的Top N推荐列表,使推荐效果得到改善。对于用户冷启动问题,基于热度来为新用户直接生成Top N推荐列表。算法通过判断用户是否为新用户,来选择相应的算法生成推荐列表集合。本文通过实验并验证这种推荐算法的推荐效果优于传统的基于物品的推荐算法。近年来,移动微视频这种新媒体发展迅速,且受到了国内外的欢迎。微信作为一个现象级的社交APP,承载着大量的用户,而微信开发团队推出的轻量级小程序,因其用完即走、方便、不需要占用移动终端内存等特点,受到人们的喜爱。本文基于对微视频及推荐算法的研究,依托羊城通公共交通社区平台和微信小程序,并结合基于搜索词和时间因素的物品协同过滤算法,开发一款移动微视频社区小程序,为用户推荐个性化的微视频。本文先对小程序系统的需求分析,然后对系统整体架构、具体模块和数据库进行设计,把系统分为移动微视频社区小程序用户端模块和后台管理员系统模块,最后利用相关软件技术实现各个模块,实现用户上传微视频、点赞、评论、举报、评分、搜索和关注的功能以及管理员对微视频社区的管理功能。本文经过测试,系统整体运行正常,效果符合预期。