随着多媒体技术和互联网的不断发展,网络音乐数量得到爆炸式的增长,使得用户对音乐的选择有了巨大的选择空间,但是这也为音乐检索系统带来了新的挑战。基于文本的音乐检索是传统的音乐检索方式,这种关键字匹配的检索模式显然不能满足用户的个性化、智能化的检索需求,所以基于内容的音乐检索模式应运而生。哼唱检索是基于内容的音乐检索模式中的一种主流检索方式,由于这种检索方式太过专业,也很难普及到一般用户。随着Web2.0技术的发展和协同标注功能的普及,用户可以通过标注自己感兴趣的音乐从而实现个性化的分类管理,因此具有比较高的语义信息的社会化标签已成为音乐共享系统中的重要资源。如果只是单纯的运用音乐标签进行简单匹配来完成音乐检索,这不仅会忽略了标签信息间的语义关联性,还会忽略了用户的真实检索意图。考虑到社会化标签的特性及其对音乐信息检索系统的影响和综合考虑用户的检索行为、歌词、和音乐标签,本文提出一种基于音乐主题的音乐检索方式。基于音乐主题的音乐检索方式主要使用的是MT-LDA模型,利用MT-LDA模型对音乐标签进行聚类并进行主题模型参数训练,对用户检索输入进行分析来得出检索主题,实现用户的个性化检索需求,从而提高音乐信息检索系统的效率和性能。实验表明:在没有音乐固定属性数据信息的检索情况下,基于主题的MT-LDA方法相比于关键词检索方法,更能理解用户的要求和意图并检索到符合用户要求的内容,在一定程度上更能够提高音乐信息检索性能。