随着科技的飞速发展,传统电视服务于互联网结合的愈加紧密,IPTV交互式网络电视就是其中的一个代表。用户可以根据自身兴趣选择喜欢的电视节目。然而,随着节目数量的不断增多,如何让用户在众多类型多样的节目中快速的搜索到自己喜欢的节目,成为了广大商家及科研人员所关注的课题。为了解决这个问题,个性化推荐系统应运而生,在解决节目搜索问题的同时也为用户带来了良好的服务体验。然后IPTV环境与互联网不同,因为电视机是家庭娱乐终端,IPTV系统面向的用户并不是一个独立的个体,而是一个家庭,不同的家庭成员有着不同的兴趣取向。对于传统的协同过滤推荐来说,IPTV无法直接获得用户评分,并且根据用户评分描述的用户偏好也存在诸多问题,如数据的稀疏性等。对于基于内容推荐来说,推荐的结果过于死板,准确性不高。因此,传统的推荐策略在IPTV推荐系统并不是很适用。并且,在海量数据面前,传统的单机推荐算法在效率上无法达到IPTV系统的要求。针对上述问题本文提出了基于云计算的网络电视混合推荐算法,主要研究成果如下：通过对用户行为记录的分析,引入时间上下文信息到推荐系统中,计算隐性评分,结合基于项目的协同过滤算法得到推荐结果。建立IPTV节目标签库,描述节目特征,并采用基于内容的推荐策略,得到推荐结果。将两种推荐策略混合,得到基于隐性上下文信息与内容的混合推荐策略,缓解IPTV用户的家庭特性干扰。采用分布式的方法对算法加以改进,借此提升算法执行效率。实验结果表明本文所提出的基于云计算平台的网络电视混合推荐算法能有效地提高IPTV节目推荐的准确性的同时,大大提升推荐效率。