Tidigare forskning visar att det finns en koppling mellan musiksmak och social attraktion mellan människor, eftersom delad musiksmak ofta innebär delade personliga värderingar, och delade personliga värderingar kan innebära större chans för social attraktion. Målet med undersökningen har varit att ta reda på om musiksmak har någon korrelation med personliga värderingar, och vilka algoritmer som i så fall skulle kunna användas för att beräkna korrelationen. En modell ställs upp för en teoretisk perfekt matchningsalgoritm mot vilken de undersökta algoritmerna testas och jämförs praktiskt. Studien, som är uppdelad i tre delar, undersöker algoritmerna närmare med hjälp av testdata i formen av datorgenererade värden i den första och andra delen. Den första delen använder data i formen av heltal (antalet förekomster av musikpreferens) och den andra använder data i formen av binära tal (förekomst eller ej av musikpreferens). Den tredje delen använder sig av användardata, från 13 deltagare, från Spotify samt från en enkät om personliga värderingar. Resultaten visar ingen uppenbar korrelation mellan personliga värderingar och musiksmak, vilket troligtvis beror på datamängderna; det kan vara så att det krävs mer detaljerad och strukturerad användardata än den som inhämtats och använts i denna undersökning för att få tydliga resultat. / Earlier research shows that there is a connection between music taste and social attraction between people, because shared music taste usually means shared personal values, and shared personal values could mean greater chance for social attraction. The goal with the project has been to find out if music taste is correlated with personal values, and what algorithms can be used to calculate that correlation. A model is defined for a perfect matching-algorithm against which the studied algorithms are tested and compared practically. The study, which is divided into three parts, investigates the algorithms closer using test data in the form of computer-generated values in the first and second part. The first part uses data in the form of integers (the number of occurences of a music preference) and the second part uses data in the form of binary numbers (occurence or not of a music preference). The third part uses real user data, from 13 participants, from Spotify and from a survey regarding personal values. The results show no apparent correlation between personal values and music taste, the cause of which is most likely the data; it could be that it takes more detailed and structured user data than the one used in this study to get clear results.