推荐系统通过分析用户的行为，找到用户的个性化需求，从而将一些长尾的项目个性化推荐给相应的用户，帮助用户找到自己想要但难以被发现的项目。智能媒体中心在推荐系统研究方向致力于解决实际应用场景下的相关问题。目前已发表的工作包括：电子商务中的商品推荐和多媒体领域的短视频个性化主题标签推荐。针对传统商品推荐中的效率问题和冷启动问题，我们将深度学习与传统商品推荐算法相结合，提出了基于离散分解机的快速特征化推荐模型和针对新商品推荐的属性到特征的对抗学习算法。主题标签是通过对短视频进行抽象、归纳、总结后得到的最有代表性的信息，是用户对内容的认知和理解。然而大量的短视频没有对应的主题标签或者主题标签是不准确或不完整的，因此自动化的短视频标签标注系统有很大的应用价值。我们提出了一种基于图结构的信息传播的多视图表示交互嵌入模型，用于短视频个性化主题标签推荐任务。我们采用图卷积神经网络指导信息传播，挖掘主题标签的结构和语义关系来解决长尾分布难题。