伴随着Web2.0的迅速发展,互联网上海量的数据可以被检索和分享。但是用户如何筛选和检索到符合自己需求的内容和信息则变得越来越困难,即出现了“信息过载”的情况。虽然搜索引擎可以帮助用户通过检索关键词来搜索自己感兴趣的内容。但是搜索引擎并不能解决所有的搜寻信息的问题。用户的需求可能不是精准明确的,搜索引擎只能帮助用户检索到明确的内容,但是如电影、音乐、书籍这些信息,用户并不是很清楚自己的需求,也就无法明确检索的关键词。此刻,用户需要的不仅是信息搜索,更是信息发现。个性化的推荐系统比普通搜索引擎更适合用户对电影、音乐、书籍等的需求。近年来,国内外相继出现各种各样的音乐推荐网站。现有的网站主要利用日志信息,即用户的历史记录,为用户推荐音乐。随着移动设备的日益普及,音乐偏好具有一定的随机性和受周围环境影响,原有的推荐机制存在一定的不足。因此本文在原有的用户兴趣模型中,加入情境影响因素,构建一个网络音乐情境模型,以此提升用户的满意度。移动设备和传感能力的最新进展,丰富了情境感知信息和移动设备信息,这也为音乐情境感知的推荐系统提供了技术上的可行性。这些网站根据用户的行为数据向用户推荐音乐,并在一定程度上帮助用户找到更多的音乐。目前,大多数推荐引擎都是基于协同过滤推荐机制。针对协同过滤推荐机制的不足,提出将用户的情境因素应用于现有个性化音乐推荐系统。通过建立用户网络音乐上下文模型,为用户提供个性化的音乐推荐,提高了音乐推荐的用户满意度。用户的情境信息是推荐过程的一个重要因素。本文通过文献和问卷调查的方式,分析用户对音乐推荐的需求,确定相关的情境因素并分类。在原有的用户兴趣模型基础上,融入了情境因素,构建了用以分析网络音乐个性推荐的网络音乐情境模型,提高用户对音乐推荐的满意度。