互联网与移动信息化的飞速发展,导致人们在移动终端及网络上接受到的信息越来越多。毋庸置疑,互联网已经成为人类历史上最大的信息分发中心。同时它也是一把双刃剑。面对海量的冗杂信息,用户想要获得自己感兴趣的内容反而变得越来越困难。传统的搜索引擎可以解决一部分信息过载问题,但由于搜索关键词的重复性较高,普通搜索仍然很难过滤出用户想要的信息。为了解决信息过载问题,推荐系统应运而生。泛娱乐化互联网时代的到来,使得推荐系统在音乐、电影、资讯等APP中得到广泛运用。国外的Pandora、Last.fm电台、Youtube,国内的豆瓣FM、网易云音乐等,都凭借其优秀的推荐算法获取了大量忠实用户。网络基础建设的改善使得用户有条件随时随地发现、下载、收听音乐。但用户主动搜索、发现音乐的占比近年来持续下降。精准的个性化推荐不仅可以帮助用户解决音乐获取及过滤问题,还可以帮助音乐内容服务商获取更多流量,增加收入。收集用户行为,并根据用户行为完成音乐推荐是本音乐推荐系统的重点。本系统通过收集用户收听、收藏等行为,将这些行为转化为用户对歌曲的感兴趣程度,后采取基于物品的协同过滤和基于用户的协同过滤技术相结合的方式完成个性化音乐列表推荐。系统采用JAVA编程语言完成后台server开发,并基于B/S架构和WEB开源框架SSM架构完成系统的设计与实现。全文根据软件开发流程,通过需求分析、系统设计、系统实现及系统测试,最终得到了能满足用户听歌需求,并根据用户行为进行个性化推荐的音乐推荐系统。