互联网的发展使信息量呈规模性增长,怎样在大量的信息中找到我们真正想要的内容成了目前研究的重点。传统的搜索引擎的方式要求用户能够比较准确的描述想要搜索的东西,然而有时候用户不好描述或者自己也不知道想要什么。推荐系统的出现为用户解决了这一难点,它不需要用户输入大量的搜索关键词,而是通过分析用户的历史操作记录,给用户进行个性化推荐。音乐就是一种很适合推荐的内容,每个人都有自己的音乐品味,推荐系统为每一个用户进行个性化的定制。本文介绍了比较具有代表性的音乐推荐系统与相关算法,分析了各个推荐算法的优点与缺点,然后提出了基于协同过滤与音乐基因的混合推荐模式,通过实验比较了基于协同过滤的推荐、基于音乐基因的推荐以及基于这二者的混合模式推荐,最后选取了基于混合模式的推荐作为个本文音乐推荐系统的推荐算法。在基于协同过滤的推荐模式中,首先构建用户-项目矩阵,然后进行用户相似度分析,查找最近邻居用户,得到一个推荐列表。在基于音乐基因的推荐模式中,通过分析音乐基因的结构,选取并计算了几项用户的基因偏好度,以此产生一个推荐列表。在混合推荐模式中,通过对上述两者的加权混合得到一个最终的推荐列表。基于协同过滤的推荐的应用范围相比其他推荐更为广泛,推荐结果的准确率也相对较高,但是也存在一些稀疏性、冷启动等方面的问题；基于内容的推荐无需依靠用户的评价信息,同时也没有协同过滤的稀疏性、冷启动方面的缺点,但是应用的范围相对来说更小。基于混合模式的推荐针对这两个推荐的缺点,可以在不同情况下采取不同权重的策略。当用户的评价信息比较少的时候,增加基于音乐基因推荐的权重；当用户的评价信息比较多的时候,增加基于协同过滤推荐的权重。这样就综合利用了基于协同过滤以及基于音乐基因推荐的优点。本文设计并实现了个性化音乐推荐系统,这是一个B/S架构的Web音乐网站,使用了当前比较热门的CodeIgniter与Bootstrap框架,最后对系统进行了测试。