伴随着近几年网络技术的不断普及发展，信息在互联网上的增长呈现爆炸式的速度，如此庞大的信息给用户带来了检索的困难，传统的搜索引擎技术难以满足用户的需求。在这种现有技术无法满足需要的背景下，产生了协同过滤系统，进而发展成为推荐领城的科研热点。协同过滤算法主要分为基于内存的协同过滤算法和基于模型的协同过滤算法两大类。它是一种基于一系列兴趣相同的用户或项目进行的推荐，它参照相邻用户的偏好信息产生对目标用户的推荐清单。本文在比较了两者在数据集上的实验结果后选择采用基于项目的改正的余弦相似性算法作为我们音乐推荐系统的协同过滤算法。该算法在一定程度上弥补了传统推荐方式的不足，同时本文结合协同过滤推荐算法带来的一定优势对现有的音乐推荐系统做了详细的分析，最后采用B/S软件结构实现了整个个性化音乐推荐系统的软件原型。本文对音乐推荐原型系统进行了用户满意度的评测，并且对系统的可用性进行了测试。通过评估推荐结果我们发现该系统的整体性能较好，能够在一定程度上有效地推荐出用户可能感兴趣的结果，基本上达到了系统设计的预期目标。