在本文中研究了一种新型的音乐推荐方法,即基于移动用户地理信息的音乐推荐。和传统的音乐推荐系统不同,本文所实现的音乐推荐系统要根据移动用户的地理信息来进行音乐推荐。传统的音乐推荐中不会考虑用户的位置,但在移动环境中,用户所处的位置随时会发生改变,周围的环境会影响到用户当前的心理状态,继而影响到用户对音乐的感受以及期待,比如当一个人面朝大海或处于喧嚣的都市之内时收听同一首歌的感受必然不同,因此推荐给用户的音乐也应随之改变。本文设计并实现了叫做"Pictune"的音乐推荐系统,它能利用网上大量的照片数据和其他网络多媒体数据向处在任何位置的用户推荐音乐。我们给出了Pictune详细的系统结构以及音乐推荐流程分析。其中本文主要研究并阐述了其中的两个难点,第一个难点是任意英文单词相似度的计算,单词相似度计算的高效性和有效性对Pictune的实现来说必不可少,我们在前人工作的基础上提出了三种算法来解决这个问题,分别是基于Lucene索引的方法、常驻内存的方法以及多核并行计算的方法；另一个难点是推荐算法的设计和实现,本文详细讨论了基于生成模型的照片数据建模方法,在经典的LDA模型中引入了空间信息,给出了基于EM算法的模型参数估计的方法,并基于此模型设计了高效的推荐算法。本文最后给出的大量实验表明上述算法不仅有效而且高效,实现的Pictune音乐推荐系统具有非常实用的价值。