随着互联网技术的应用和普及,视频网站中信息过载、用户偏好漂移等问题日益严重,因此有效捕捉用户偏好漂移信息是视频推荐算法中非常关键的一步,也是影响视频推荐结果精确性的一个重要因素。论文在现有视频推荐算法的基础之上,引入前景理论,落脚点在用户的信任关系,旨在提高视频推荐系统的新颖性和准确性。首先依据视频用户的历史评分分布信息建立价值函数,其次建立决策权重函数模型,最后得出用户的综合前景效用值,充分考虑了用户主观的兴趣偏好,即提高了用户的兴趣度和忠诚度,也优化了视频推荐算法的算法框架。此外在大多数视频推荐算法中,多数学者偏向于通过研究用户对视频的最终评分作为计算用户相似度及预测目标用户偏好的重要依据,忽略了用户本体领域存在的信任关系,导致用户的兴趣偏好及价值倾向区分度不够,进而使推荐结果不够精确。因此论文基于用户的前景相似度建立信任关系模型,基于用户的综合前景效用值,计算其相似度是先要条件,再采用决策树剪枝法得到用户兴趣背景的相似度、然后构建用户的推荐影响函数及用户的评价趋势函数,最后分析整理可得用户的信任关系模型,即可计算出用户之间的信任关系等级,依据评分可完成最终推荐。实验分析表明,引入前景理论来提高推荐系统中用户偏好信息捕捉的准确性,不仅弥补了现有视频推荐系统的不足之处,在计算用户相似度方面也更加精确。也说明了通过建立用户信任关系使推荐结果更加具有新颖性和科学性是切实可行且行之有效的方法。