要推荐非重复的视频给用户，你可以采取以下步骤：

1. 数据收集：收集用户的历史观看记录、浏览记录、点击记录等数据，以便了解用户的兴趣偏好和行为习惯。

2. 数据预处理：对收集到的数据进行清洗和预处理，例如去除异常值、填充缺失值等，以便于后续的分析和推荐。

3. 特征工程：根据用户的兴趣偏好和行为习惯，挖掘出有价值的特征。例如，用户可能喜欢观看特定类型的视频，或者在特定的时间段内观看视频。

4. 模型选择：选择适合的推荐模型，如协同过滤、基于内容的推荐、混合推荐等。例如，协同过滤可以利用用户的历史观看记录进行推荐，基于内容的推荐则可以根据视频的特性进行推荐。

5. 模型训练：使用收集到的数据训练推荐模型，使其能够准确地预测用户可能感兴趣的新视频。

6. 模型评估：使用测试数据对模型进行评估，以确定其推荐效果。

7. 推荐结果展示：将推荐结果展示给用户，让用户能够选择他们可能感兴趣的新视频。

8. 模型优化：根据用户的反馈和推荐结果，对推荐模型进行优化，以提高推荐效果。

以上就是推荐非重复视频给用户的一些方法，希望对你有所帮助。