在音乐推荐领域,个性化的音乐推荐是提高用户满意度与产品竞争力的重要功能。而目前针对推荐系统的研究大部分都关注于其内部推荐算法的优化与创新,而针对与用户直接发生联系的推荐系统的交互性的研究并不多,细分到音乐领域的研究则更少。当前在推荐系统的交互设计的研究中,主要关注于推荐流程的可视化与推荐结果的解释性。并且已有研究都是基于PC或Web端的交互界面设计,而目前仍缺乏针对移动端小屏幕的相关研究。本文将音乐推荐系统进行模型抽象,并将其交互模式拆分为“输入”与“输出”两个主要环节。并针对这两个环节进行了具体的实验研究,以探索现有音乐推荐系统的交互模式与用户满意度之间的关系。实验研究得到如下规律:在音乐推荐系统的输入环节:1.随着系统的输入量增多,系统的透明性有所提高,即用户对音乐推荐系统的推荐逻辑的理解性有所提高;2.但输入量增多,用户对系统的易用性评价却会降低;3.为了获得更可用的推荐结果,用户不介意作更多的输入;4.用户对后期可作调整的系统有更高的满意度。在音乐推荐系统的输出环节:1.可用性高的音乐产品,其推荐歌曲中用户熟悉的推荐结果的占比要比可用性低的产品的熟悉性占比低;2.用户对熟悉的推荐结果更可能采取积极的操作行为。根据实验得到的结论,针对音乐推荐系统的交互模式中存在的问题,提出假设解决方案,并设计实验进行方案验证。具体实验结果如下:在音乐推荐系统的输入环节:将输入拆分为多步,并分阶段向用户呈现,可以在保证用户对系统的高理解性的基础上,显著提高用户对系统易用性的主观感知。在音乐推荐系统的输出环节:1.解释机制有利于提高系统的透明性,促进用户对系统推荐结果的信任,从而采取更积极的行为策略;2.对用户“不熟悉”的推荐条目增加其“熟悉条目”的信息作为解释可以促进用户对推荐结果采取更积极的行为策略;3. “影响型解释”对被测用户行为的积极促进作用要略优于“基于关键词的解释”。