本稿では，ユーザによる楽曲評価と楽曲の音響的特徴とを同時に利用するハイブリッド型楽曲推薦システムについて述べる．従来の主な楽曲推薦手法には，ユーザの楽曲評価を考慮した協調フィルタリングと音響的特徴の類似度を考慮したコンテンツベース推薦の2つがあり，それぞれ問題を抱えている．前者では，評価が与えられていない楽曲は推薦できず，推薦楽曲のアーティストのバラエティは乏しい．後者では，音響的特徴とユーザの嗜好との理論的な対応付けが不十分である．本稿ではこれらの問題を解決するため，アスペクトモデルと呼ばれるベイジアンネットワークを用いて，楽曲評価と音響的特徴とを確率的に統合する．このモデルでは，直接観測できないユーザの嗜好が隠れ変数として表現され，観測データ（楽曲評価と音響的特徴）から統計的枠組みに従って推定される． ポピュラー音楽CDとAmazon.co.jpから収集した評価データを用いた楽曲推薦実験の結果，提案手法が上記の問題を解決し，より優れた推薦精度を示すことを確認した．