随着网络技术的快速发展,互联网上可供用户挑选的物品呈现指数型增长,这导致了用户很难选择到自己真正感兴趣的物品,即产生了信息过载问题。推荐系统因此应运而生,推荐系统建模用户的偏好,主动为用户提供个性化推荐服务。音乐推荐旨在从用户与音乐的交互数据中进行有效的信息挖掘,根据用户的兴趣、行为、社交关系等多方面的因素为用户提供个性化音乐推荐。然而,现有的音乐推荐方法大多只在简单的层次上考虑用户的偏好,缺乏对用户偏好的充分挖掘。在已有的音乐推荐中,大多数基于协同过滤的音乐推荐算法直接将用户听取歌曲的频数作为用户对于歌曲的评分,而忽略了这些频数之间的分布情况。除此之外,音乐本身的特征,如音色、音调等内容难以提取和处理,导致音乐的本质特征不能有效的应用在音乐推荐中,不能给用户提供较为满意的个性化音乐推荐。基于以上问题,本文重点研究加入标签对于用户特征提取的影响,在此基础上提出了融合用户多方面的特征的个性化音乐推荐方法,本文主要的研究成果如下:(1)考虑用户听取歌曲频数的分布,建立了合理的评分机制,将用户听取歌曲的频数转换为一定范围内的评分。此外,针对音乐自身的特征难以提取和处理的问题,本文使用标签代替音乐自身的内容特征。在已建立的评分机制基础上,根据标签的不同权重,建立用户音乐类型的偏好向量,并构建用户相似度矩阵。最后,根据近邻用户对于歌曲的加权平均分数给目标用户做出推荐。(2)针对传统的音乐推荐很少综合考虑用户偏好多方面特征的问题,本文提出了一个新的音乐推荐方法,该方法使用三个特征来描述用户的偏好,分别是好奇心、多样性和主流性。基于这三个特征,结合改进的随机游走算法为每个用户建立一个虚拟的好友关系。最后,根据目标用户的虚拟好友的听歌记录为其做出更为准确的个性化音乐推荐。(3)通过广泛的实验,将本文提出的方法和其他相关方法进行了对比、分析,实验结果证明了本文提出方法的优越性。