互联网迅速普及和发展使得信息量激增,一方面过载的信息加重了信息选择的难度,另一方面信息提供者无法将高质量的信息提供给需要的用户。面对这种情况搜索引擎应运而生,但是当用户无法准确的描述想要查询的关键字时,搜索引擎也就无能为力了,在这种需求的驱动下产生了推荐系统。作为一种新的信息过滤机制,推荐系统不需要用户主动,而是通过反馈日志来预测用户的兴趣。推荐系统的本质是通过某种方式将用户和物品联系起来,从而有效的为用户推荐感兴趣但是没有被发现的物品,而不同的推荐系统有不同的联系方式,评判这些联系方式优劣的指标包括推荐结果的准确性以及推荐系统的实时性等。本文对垂直搜索中的实时个性化推荐技术进行了研究和分析,设计了基于垂直搜索特点的实时个性化推荐系统,主要包括以下内容:第一,设计了实时个性化推荐系统的架构,使其通过离线部分和在线部分的分工和合作能够响应用户的反馈;第二,利用垂直搜索系统的特点,将表示物品内容特征的标签数据用于推荐系统中,以解决用户数据稀疏问题,;第三通过将原来的基于用户-物品二分图改进为基于用户-物品-标签三分图的方式,改进了基于图的协同过滤推荐算法。最后将本文的设计在基于视频的垂直搜索系统中进行了实现、测试和评价,验证了本文设计的实时个性化推荐系统能够有效解决用户数据稀疏性问题、提高推荐结果的准确度,同时保证了对实时性的要求。