● 摘要
推荐系统已经成功应用于电子商务系统中，为电子商务的发展带来了巨大的价值。在互联网视频网站中，推荐系统起到了非常重要的作用，它能够有效的帮助用户在海量视频库中找到自己感兴趣的资源，帮助用户发现自己的兴趣点。百度视频作为中国最大的视频聚合类网站，拥有数量繁多的视频资源，当在搜索功能不能满足用户需求的时候，便产生了视频信息超载的问题，本文介绍的个性化视频推荐系统就是为了有效解决该问题对用户带来的困扰。
由于目前推荐技术的限制，大多数视频网站的推荐系统均采用基于视频热度的推荐算法，该算法很难满足用户的个性化需求。本文采用基于内容的推荐算法和基于协同过滤推荐算法，产出视频推荐结果。针对目前协同过滤算法普遍存在的冷启动问题提出了如下解决方案：新视频问题是通过让用户手动选择兴趣标签，系统抽取TOP10作为该视频的备选标签，与视频库资源进行Pearson相似度计算，产出推荐列表；新用户问题则通过用户属性的相似度计算来解决用户兴趣标签的缺失。
本文所述的个性化视频推荐系统已经在百度视频的某产品中顺利上线，通过A/B Test发现该产品的日均CRT值增长了12.42%，网站整体的用户日均在线时长也增加了5.56%，明显提高了用户对网站的粘着性，提升了网站的整体竞争力。
关键词：个性化视频推荐系统，协同过滤，冷启动，CRT