随着信息技术的发展,各种各样的云音乐服务逐渐兴起,充分地改变和丰富了人们的音乐生活。目前如网易云音乐、百度音乐、QQ音乐等云音乐服务已经十分流行。音乐推荐在云音乐服务中发挥了重要的作用。一个好的音乐推荐能够帮助用户发现音乐,创造隐性价值。现有主流云音乐服务都有音乐推荐的功能。然而当前音乐推荐方法存在着一些问题,我们将其归纳为三点。首先是对于新资源发布引起的冷启动问题以及小众化冷门音乐的推荐问题。因为音乐数据的长尾分布,使得常规的推荐方法对数据稀少的资源效果不佳,造成了推荐结果的覆盖率偏低。其次,音乐标签系统作为描述音乐内容的主要依据,用户标注资源的自由性和随意性引起了标签的泛滥,降低了系统的标签质量,间接影响了推荐效果。最后,音乐推荐更应该关注的是音乐本身的内容,而对于一般物品的传统推荐技术主要以内容之外的相关属性为计算依据,在适用性上存在不足。针对音乐推荐的现有问题,本文提出了一个新型的结合音乐内容分析的深度音乐推荐方法,其内容主要可分为两部分:音乐内容分析和推荐方法设计。首先本文设计并实现了一个适用于音乐推荐场景的音乐特征提取方案。因为部分音乐资源数据的缺少影响了推荐的结果,该音乐特征提取方案对音乐的音频数据进行深度内容的分析,结合旋律上和音质上的特征,并根据大数据量的场景,高效获取音乐特征,为资源数据进行了补充。其次在推荐方法上,本文提出了预测用户行为数据的音乐-音乐的推荐方法和基于自动生成标签的推荐方法,充分利用了音频处理所得的音乐特征,将音乐音频数据中的深度内容信息与其他数据结合用于推荐,提高了标签质量避免了覆盖率低的问题。本文利用现有的音乐服务和Echo Nest数据库构建了测试集合,对音乐分析和推荐进行了测试和评价。在推荐覆盖率上,本文的音乐-音乐推荐方法是传统协同过滤方法的140%,其中测试数据中播放次数小于10的数据的出现比例提升了3.7倍。在推荐准确度上,本文与传统协同过滤在F1上的指标相差在2%以内。结果表明,使用本文的方法利用音频处理技术发掘音乐内容上的信息使得推荐更关注音乐内容本身,并能够在保证推荐质量的情况下提高覆盖率和新颖度。