随着信息技术和互联网的高速发展，互联网上的多媒体资源数量呈爆炸性增长，用户要在如此庞大的资源中快速找到自己感兴趣的资源是非常困难的。推荐系统就是针对不同用户预定义的一些参数或者历史访问记录，推荐给用户其可能感兴趣的资源，提供个性化服务的系统。而音乐推荐系统也就是专门针对大量的音乐数据的一种推荐系统。 由于传统的音乐推荐系统一般只使用用户对歌曲的打分信息，或者只利用歌曲自身的音频特征进行推荐，推荐的效果很难满足用户的需要，所以目前对于音乐推荐系统的研究大部分都放在了将两者结合的混合推荐方法。这种方法的难点之一就是如何从歌曲中提取出能够影响推荐效果的特征，其次就是如何将这两者有效的结合到一起。 本文的主要工作有以下两个方面： (1)将潜在语义分析应用在音乐推荐领域，使用了一种改进的算法一高阶潜在语义分析。该算法能将用户对歌曲的打分信息与歌曲本身的内容信息整合在一起，实现从高维数据到低维数据的映射。经过试验证明，这种算法应用在音乐推荐系统之中的效果较传统算法有一定提高。 (2)对于音乐自身的内容信息，使用了一种文本化的表示方法，使其能够应用在高阶潜在语义分析算法当中。该方法使用隐马尔可夫模型，自动将音乐内容进行矢量量化，表示成文本形式。经过试验证明，这种方法能够很好的与高阶潜在语义分析结合，达到满意的推荐效果。