收视率是评价电视节目是否受欢迎的一个重要指标,不仅关系到观众的口碑、经营效益和广告价值,而且作为节目的一项主要评测标准,更是电视台、制片商、广告代理机构和广告主在电视节目经营和广告投放方面决策行为的重要参考依据。但是,现今的收视率调查很不完善,比较单一的收视率调查数据不能对节目收视率产生影响的因素进行定量分析,节目播出后调查、分析和评价的收视率调查体系,无法对收视率进行播前预测。因此,对节目类型进行改版、调整,新节目类型、新连续剧的播出主要依靠主观经验来定性分析,无法进行科学量化研究。如果能准确预测电视台预期播出节目的收视率,就能更好的进行节目调度工作。本文研究目标便是如何有效的预测电视节目收视率的问题。论文首先介绍了当前电视节目收视率预测的研究背景及研究意义,根据影响节目收视水平因素的研究,总结了适用于影视数据的特点的一系列的数据预处理方案。最后提出并实现了基于Hadoop的分布式朴素贝叶斯算法,并应用到影视数据收视率预测方案中,通过分别在Matlab和Hadoop上对百万级的样本进行分析,验证了分布式朴素贝叶斯算法在收视率水平预测中的可行性及处理大数据量时的性能稳定性和良好的可拓展性,为电视台优化节目编排和精准广告投放等方面提供了更充分的数据支持。