在如今信息过载的互联网世界中,推荐系统扮演着越来越重要的角色。根据各种网络服务平台上数字产品的特征不同,对推荐系统功能、性能上的需求也会有较差异,数字音乐产业也不例外。单纯根据艺人或专辑的音乐检索已经不能满足数字音乐服务平台上用户的需求,一方面由于现在数字音乐的海量性以及极快的增长趋势造成的过载情况,另一方面又因为用户有时并不会去听特定的歌曲而只是寻找符合当时心情和环境的一类音乐。然而现在传统的推荐方法,大多是根据用户历史评分数据建立二元模型预测用户偏好来进行推荐,而像音乐这种受短期情境因素影响偏好变化较大的推荐项目,传统推荐技术的效果不尽人意。因此,研究一套能够发掘并利用情境信息来进行推荐的方案,对提高个性化数字音乐服务的质量有着重要意义。本文根据数字音乐服务平台的特点,利用社会标签对音乐描述的额外信息,设计了一种能推断情境进行推荐的方法,并在此基础上实现了一个系统。该系统能够提供类似于网络电台的服务,通过与用户的交互,完成对推荐算法效用的评价。本文首先对情境信息相关的数据进行了分析。针对标签数据,对利用聚类的方法提取标签包含的情境主题并建立知识库的过程进行了论述。然后针对传统算法的不足,在前人工作的基础上,对混合推荐算法改进方案进行了研究。本文采用情境信息后过滤范式对混合算法两阶段过程进行重新设计,使算法在协同过滤初步筛选后能根据标签信息提炼出具有情境偏向的推荐结果。接下来在改进的算法基础上,根据数字音乐服务平台的功能需求,分为三个模块详细设计并实现了能进行音乐推荐的系统。最后分别对系统进行了性能测试和功能测试,验证了混合推荐算法的效用以及该系统进行推荐的效果。通过实验分析,从推荐结果的平均绝对误差、准确率以及召回率三方面说明了本文设计的算法能够提高推荐质量。通过本文的工作,证明了利用如标签一类能够描述音乐额外信息的数据,并结合混合算法进行情境感知推荐这种思路设计出的推荐系统的有效性,达到了预期目标。同时,也给采用类似数据来进行混合算法设计的研究工作提供了参考。