建立基于智能大屏平台的视频节目个性化推荐系统，必须充分考虑智能大屏的一些特点：

第一，用户结构多样性强。大屏和小屏的用户群体是不同的，相较于小屏针对单一用户的模式，智能大屏面向的用户则更加多样，可能是个人、家庭、几个不相识的租客等。多用户在同一屏幕上进行操作，因此记录的用户行为信息往往体现的是一个群体中多个用户的兴趣合集。

第二，用户行为数据丰富。用户的所有观看行为都通过智能大屏平台发生，因此在平台中能够收集到大量的用户行为数据，如用户收看的节目名称、频道、收看时间、收看时长等。这些数据被系统记录下来并作为个性化推荐的依据。

第三，行为信息收集不全面。智能大屏平台是开放的系统，在系统中用户可以根据自己的需要安装应用。用户在打开电视机时，首先会进入平台首页，通过首页进入各个模块与应用，用户在基础系统中的行为数据可以被记录。但是，用户从平台进入其他应用后的行为数据则由应用提供方所记录，平台本身是无记录权限的。这导致了用户在平台上的行为信息被多个平台方掌握，数据不互通，就难以全面地收集到用户所有的行为数据。(www.daowen.com)

第四，缺少用户信息。目前，很多智能大屏平台没有记录用户的基本信息，如性别、年龄、职业、爱好等。即使一些系统中存在这些数据，也只是由某一个家庭成员填写的个人信息，不能代表整个家庭的情况。

第五，交互性差。目前智能大屏的交互方式主要还是遥控器，虽然部分智能大屏配备了语音交互功能，但仍然无法解决电视交互性差的现状。由于交互性差，在智能大屏平台中收集用户的具体信息以及对于视频节目的显示评分就显得尤为困难。

通过以上特点可以看出，在智能大屏节目推荐系统中，推荐方法的选择有着较多的局限性。由于缺少用户的具体信息，无法使用基于人口统计推荐的方法。若要在智能大屏平台上运用基于内容的推荐算法，主要难度在于建立用户与项目的描述模型。平台的项目是视频资源，对于视频资源而言，其属性特征根据视频类型的变化会有所不同；不仅如此，用户选择某一视频节目与其对视频属性要求之间的相关性也因人而异，难以准确用模型进行描述。对于基于知识的过滤推荐，同样存在用户信息和需求获取困难的情况。综合比较之下，智能大屏平台拥有丰富的用户行为数据，协同过滤算法的适用性更强。因此，本文尝试开发了基于智能大屏平台的视频节目个性化推荐模型。模型主要由四个模块组成：数据预处理模块、协同过滤推荐模块、隐式评分获取模块以及推荐结果生成与评价模块。