随着移动通信网络技术的飞速发展以及智能移动终端设备的普及，移动互联网已经深入人们的生活，基于移动互联网的电子商务已成为一种重要的商业模式。其中利用移动设备进行娱乐活动早已成为许多人的生活中的一部分。移动音乐种类繁多、数据海量，这就为创建高效率的推荐系统，提供更为准确的个性化服务提出更高的要求。协同过滤技术在电子商务领域有着非常广泛的应用，并取得了良好的效果示范效应，但是随着移动电子商务的发展，协同过滤技术仍有一些不足的地方，比如没有根据移动电子商务的特点，考虑复杂环境下各数据之间的特征属性及其相互联系。同时，随着推荐系统的理论研究不断发展深入，许多研究人员已经开始关注推荐算法在不同的环境下的实践应用，特别是移动环境下的移动音乐方面的应用。本文提出对移动音乐的协同过滤算法的改进，利用移动电子商务环境的特点，结合用户之间的关系模型构建移动音乐项目属性的评分矩阵，将得到的模型的个性化信息同基于项目属性的推荐算法及基于用户的评分的推荐算法分别结合，从而做出更精确的推荐算法。本文利用公开的数据集进行模拟实验获得实验结果数据，通过比较改进算法和原有算法进行预测推荐结果的错误率和准确度，证明了结合用户关系的模型，推荐算法实现的结果比传统的协同过滤算法具有较强的准确性。也为今后的理论研究与实践进行了一些探索。