目前推薦系統存在評論數據稀疏、冷啟動和用戶體驗度低等問題，為了提高推薦系統的性能和進一步改善用戶體驗，提出基于聚類層次模型的視頻推薦算法。首先，從相關用戶方面著手，通過近鄰傳播（AP）聚類分析得到相似用戶，從而收集相似用戶中的歷史網絡視頻數據，進而形成視頻推薦集合；其次，利用用戶行為的歷史數據計算出用戶對視頻的喜好值，再把視頻的喜好值轉換成視頻的標簽權重；最后，通過層次分析模型算出視頻推薦集合中用戶喜好視頻的排序，產生推薦列表。基于MovieLens Latest Dataset和YouTube視頻評論文本數據集，實驗結果表明所提算法在均方根誤差和決策精度方面均表現出良好的性能。