现在社会,互联网已经成为我们获取信息的主要来源,人们生活的方方面面都与互联网产生了联系,互联网让人们的生活更加便捷,与此同时也带来了一系列的问题,大量繁复芜杂的信息充斥着网络,让我们在互联网的世界里迷失了自己。找不到需要的东西或者花很长时间找到需要的东西。利用传统的搜索引擎搜索查找需要的东西效率比较低,很难满足用户的需要,诸多的推荐系统应运而生,它可以针对不同的用户提供个性化的服务,提高用户对网站的信任度,如音乐推荐系统就是根据用户的兴趣爱好,为其提供最适合他的音乐,以此来提高用户对网站的信任度。不难发现,基于单一模式的推荐系统都存在不少的缺陷,例如基于内容的以及基于协同过滤的推荐技术存在冷启动以及数据稀疏性等问题；基于关联规则的推荐技术存在抽取难,个性化程度低等方面的问题,这造成了推荐的效率不高。鉴于以上的分析研究,本文针对单个模式的缺陷,将基于内容的,基于协同过滤的以及基于日志文件的推荐技术相融合,提出了基于混合模式的推荐模式,根据不同的用户数据选择不同的推荐技术,发挥不同推荐模式的优势,尽可能提高推荐的精确度。另外针对传统的推荐技术过分依赖于用户的显式信息,造成了数据源不足的缺陷,本文提出了采用显式和隐式相结合的方法,用数据挖掘来提取用户数据,建立用户模型,其中隐式数据主要从用户日志中提取,通过两方面的改进提高系统的准确性。最后,本文利用改进的推荐模式设计了一个基于混合模式的个性化音乐推荐系统,该系统提供了不同的推荐模式,既可以提供大众推荐和搜索服务,也可以针对注册用户提供个性化的推荐服务,从不同层面满足用户的要求。实验数据表明运用改进的方法计算所得的MAE值比使用传统的推荐模式计算所得的MAE值小,由此可以判定改进的系统很大程度上提高推荐的准确性。