科技的高速变革不仅使大众的生活更加便利,而且也使人们的业余生活更加丰富多彩。现在人们获取影视节目的主要方式已经从电机频道转变成了互联网平台,人们的选择越来越多,用来观看节目的时间也更加灵活化,大家正在享受信息发展带来的便利。信息技术的发展也带来了信息过载的问题,人们面对互联网上海量的影视节目,往往无法很快选择出自己喜欢的内容。个性化推荐系统就是在这种背景下出现的,它的出现在一定程度上解决信息过载问题,使用户能够更快地找到自己真正的物品。另外,随着众多学者在个性化推荐领域的深入研究,越来越多有价值的推荐模型被提出,这些新的推荐模型都在一定程度上缓解传统推荐模型存在的某些问题,如数据稀疏和冷启动问题。自从2012年谷歌公司提出了知识图谱的概念之后,越来越多的学者开始了这方面的研究,知识图谱在个性化推荐领域也展现出了不俗的成绩,涌现出了很多有价值的基于知识图谱的推荐模型。本文基于知识图谱的推荐模型,结合实际项目场景,利用实际生产环境数据和互联网数据,搭建了一个基于知识图谱的广电节目推荐系统,这里所说的广电节目主要包括广电行业中的电影、电视剧和动漫节目。本文从需求分析到系统设计,再到系统的实现与测试,完整呈现了系统的搭建过程。另外,本文构建了影视领域知识图谱,采用了新的基于知识图谱的推荐模型——KBT,对比传统的影视节目推荐系统,取得了更好的推荐效果。本文的主要工作如下:1.收集并处理互联网中的影视节目信息、实际生产环境中的用户行为交互记录;2.构建广电领域影视节目知识图谱,该知识图谱中一共包含了八万余部电影、电视剧和动漫节目;3.对若干基于知识图谱的推荐模型进行实验,从中筛选出最佳推荐模型,将其应用到我们要构建的基于知识图谱的广电节目推荐系统之中;4.以第二步中构建的知识图谱为数据基础,结合第三步中改进后的推荐模型,设计并开发基于知识图谱的广电节目推荐系统,并对系统进行测试。另外,本系统为了满足用户的实时性需求,在离线层进行了大部分的计算工作,保证了良好的用户体验和系统性能。