随着互联网的进一步发展和移动互联网的兴起,用户数量的大幅提升产生了更多更大容量的用户数据,为了解决如何利用这些数据来提供更加精准的服务这个问题,推荐系统应运而生。近年来,虽然在电影、新闻和图书等领域的推荐算法层出不穷,但是在音乐领域的推荐系统却并不多,主要是由于该领域的数据经常不公开,而且和平常我们所使用的评分不同,基本没有公开数据集提到了用户的评分。使用基于MSD数据集中的Echo Nest数据集和IRGAN信息检索生成对抗网络模型,通过比较没有使用对抗网络的奇异值矩阵分解、带偏置的奇异值矩阵分解和使用了对抗神经网络的奇异值矩阵分解、带偏置的奇异值矩阵分解模型,希望能从对抗神经网络中找到提升当前推荐模型效果的方法。以及通过比较使用了对抗神经网络的奇异值分解矩阵分解模型和使用了多层感知机网络的模型,判断对抗神经网络是否有足够的提取隐藏特征的能力。最后实验结果表明对抗网络确实具有能够提升奇异值矩阵分解和带偏置的奇异值矩阵分解模型的推荐效果,但是最后使用对抗网络的算法与使用多层感知机的算法相比还是稍逊一筹。