互联网技术的飞速发展为现代社会带来了诸多便利。伴随着各类网站的出现,互联网所带来的巨大的信息量使得对数据的研究与运用逐渐成为互联网发展的潮流。传统"one-size-fits-all"模式无法满足不同背景下用户的个性化需求,同时会对网站的后期运营产生较大障碍。针对数据的运用,其中较为流行的是根据历史数据针对用户进行个性化推荐。目前主要的推荐模式存在一定缺陷：忽略了本体概念间关系的重要性,本体用户兴趣模型更新不彻底,用户兴趣本体的概念兴趣度无法随着时间的推移而遗忘等。为了解决上述缺陷,本文对基于本体的推荐算法进行研究,具体工作如下：1、基于本体提出了一种新的用户兴趣模型,结合激活扩展理论调整了兴趣模型的更新算法并引入了用户兴趣度遗忘公式：当用户的兴趣发生改变时,个性化推荐系统能够根据激活扩展推断理论对整个用户兴趣模型概念节点网络进行彻底更新。在推荐核心算法的选取中,本文选取主流的K-means聚类算法和混合协同过滤算法分别进行推荐,根据实际情况最终产生推荐结果。2、本文通过爬虫对两大权威网站进行音乐等相关数据的抓取,设计并实现了一个基于本体用户兴趣模型的音乐个性化推荐系统。该系统能够通过历史用户的行为数据对数据进行详尽分析,最终通过用户所选择的音乐种类对用户进行不同的音乐推荐。通过大量实验对比分析,数据结果表明本文提出的基于本体用户兴趣模型的音乐个性化推荐系统能够针对不同用户进行较为准确的音乐推荐。