音乐服务已成为互联网的主流应用之一,但是互联网中的海量音乐不仅使得用户很难找到自己感兴趣的音乐,而且大量处于长尾区的音乐极少被访问,信息利用率很低。音乐推荐能够进行信息过滤,向用户推送其可能感兴趣的音乐,是目前解决互联网音乐信息过载问题的有效技术手段。本文主要研究音频特征与社会标签相结合的音乐推荐技术,其中音乐特征结合了音乐信号的音频特征和音乐社区中用户提供的社会标签,音乐的相似性计算以降维的方式进行,音乐推荐结果以可视化的方式呈现。本文首先通过数据挖掘和数字信号处理的方式,获取歌曲的大量音频特征和社会标签,构建音乐特征数据库,然后对音乐特征进行预处理,并对这些特征矢量进行降维,最后在二维音乐空间展现歌曲之间的关联性。本文从商业音乐网站获取了大量实际用户的标签,分析了歌曲的80个音频特征,构建了音乐特征数据库,实现了简单的音乐推荐原型系统,并分析了标签筛选方法的有效性,验证了混合推荐算法的性能,结果显示社会标签是一种有效的音乐资源描述方式,而音频特征可以作为社会标签的补充,提高资源描述的全面性和准确度,所设计的可视化界面能够提供灵活的用户交互接口,极大地提高用户体验。本文的研究结果可以进一步应用于互联网音乐推荐系统,为海量音乐资源的高效利用和访问提供有效的技术手段。