随着多元音乐文化的蓬勃发展,当今用户时刻都在接收各类新兴音乐文化,其喜好千差万别并向着差异化方向发展。各大音乐推荐系统虽然能减少用户的搜索时间,改善用户体验,但还是难以满足用户个性化需求。通过分析发现现有的音乐推荐系统一般只考虑用户与歌曲的二元关系,而忽略用户在听歌时所处的情景信息。因此对获取得到的情景相关数据进行充分分析,并采用合适的方式将情景特征融入推荐系统,具有重要的理论价值和实用价值。针对传统主题模型提取文本特征而精度不足问题,根据评论文本采用BERT预训练模型和自注意力机制技术提取歌曲特征,并采用长短时记忆网络学习用户偏好特征。根据情景特征的获取方法不同将可获取的情景特征分为显式情景特征和隐式情景特征。特别地,将隐式情景特征分为了情绪特征和交互特征。对于情绪特征的提取,基于需要对用户情绪进行细化的情感分类的考量,采用情感词典的方式进行提取。对于交互特征的提取,根据评分矩阵采用多层神经网络技术提取用户在隐含情景下和歌曲间的交互特征。考虑用户、歌曲与各情境特征间可能存在某种交互关系,设计了一种基于情景感知的个性化音乐推荐模型,同时加入两个情境平衡因子来减少融入情景信息所带来的预测误差。首先通过均方根误差评价指标进行了实验评估,确定了基于情景感知的个性化音乐推荐模型的两个情景平衡因子的取值,并与现有的音乐推荐方法进行了实验对比,实验结果表明其在推荐精度、结果多样性以及系统健壮性上具有较强优势。此外还讨论了特征维度对推荐效果的影响。