社交网络的到来带动了社交音乐的发展,社交音乐模式以在社交网络上面实时分享为主要方式。由于广大用户的音乐分享,网络上存在大量的音乐资源。另外随着数字音乐的时代的到来,用户对app等资源的要求也不断提高。对于具体某一位用户而言,海量的音乐资源,大部分都属于噪音。因此如何从大量的音乐信息中,如何快速获取用户可能感兴趣的音乐,是音乐行业必须解决的难题。然而传统的音乐系统偏重与对音乐及用户管理,用户在查找自己喜欢的音乐时,常常要花费大量的时间,这样大大降低了用户体验。所以本文计划将协同过滤算法应用到音乐系统当中,为不同的用户推荐定制化的音乐,满足用户的个性化需求。面对大量数据,为用户做定制化推荐面临着冷启动、推荐不准确、推荐速度慢等问题,因此本文基于不同场景,基于不同用户的需求,研究并实现了一种混合的基于协同过滤的推荐算法,为系统用户实现专属化的推荐。本系统主要通过隐式地收集用户对歌曲的播放、下载、收藏等行为记录,使用基于最近邻用户的协同过滤推荐算法为系统用户推荐歌曲;对于有歌词信息的歌曲(英文),通过基于异构文本网络的词嵌入来计算歌曲之间的相似性,进而根据用户的历史记录为其推荐相似的歌曲;另外本系统记录用户访问行为,通过基于标签的协同过滤算法为用户推荐与历史歌曲标签相似的歌曲。本文不仅研究了协同过滤算法,而且本文最终基于MVC Spring框架实现了一个丰富的音乐系统。本系统具有前端界面和后台系统两个部分,前端界面包括用户注册、音乐播放、排行榜、热门推荐、个性化推荐、曲目搜索和用户评论等页面。后端系统实现了评论管理、推荐管理、用户管理等功能,其中后台推荐管理基于本文的混合协同过滤算法实现,是整个系统核心的部分。最后本文对实现的音乐系统进行了展示,主要包括音乐推荐、音乐评论等相关核心功能的展示。最后的实验结果表明:本文实现的音乐系统不仅具有用户注册,用户登录等认证模块,还有音乐播放,音乐收藏等基本音乐管理功能。另外本系统最终还实现了最核心的推荐功能,推荐模块可以基于用户的历史记录为不同的用户推荐合适的歌曲,并且混合协同过滤推荐算法经过公示推导,具有可信度。因此,通过测试表明:本文基于本文的推荐算法实现了一个强大的推荐系统,具有很广泛的应用场景。