面对互联网高速发展的今天,网络上的信息数据呈爆炸式增长,人们越来越需要有一种有效的信息获取方式,而个性化推荐作为一种可以帮助用户获取到个性化信息的手段,得到了广泛的发展与应用。在众多的推荐算法中,基于二部图的推荐算法因其有着推荐效果好、不受推荐物品类型的限制、运算过程简单等特性得到了广泛的关注。但是,目前已有的基于二部图的推荐算法仍有一些不足之处,需要研究者进一步的研究解决。本文围绕二部图网络结构的推荐算法进行了深入的研究和优缺点比较,提出了基于用户评分标准的二部图分配模型,并引入时序信息,以量化用户兴趣偏移所带来的影响,还采用了与信任网络推荐模型相混合的算法,从而改善由于数据稀疏性所带来的问题。并且将改进后的推荐算法应用到音乐推荐中,以体现算法的实用性。主要的研究成果如下:首先,本文采用的是二部图分配模型与信任网络的推荐模型,将这两个模型加以融合,并且针对已有的二部图分配模型提出了改进,融入了用户评分标准信息和时间动态因素,并应用MovieLens数据集对产生的推荐的结果进行了验证和评估。并且采用多种推荐算法和改进后的推荐算法的结果进行对比分析,改进后的推荐算法的MAE、RMSE都有所下降。其次,本文还设计并实现了音乐推荐的Web应用,并将改进的推荐算法应用其中。这款音乐推荐应用除了推荐模块外,还包括了最近更新模块、热播榜模块、搜索模块以及评论点赞模块,构建起了有一定功能的音乐推荐应用。