近年来随着Web2.0和社交网站的兴起,互联网发生了巨大变化,个人从信息的阅读者转变成发布者,信息数量飞速增长,网站的推荐系统面临巨大挑战。标签系统作为Web2.0的基础功能,可以更加全面地反映用户兴趣,被越来越多的网站运用。因此基于标签的推荐系统作为目前新兴的推荐系统,能得到更贴近用户需求的推荐结果,具有很高的研究价值。本文深入研究了用户模型的表示和标签技术,根据用户所添加的标签来了解用户兴趣,从而建立用户模型。同时指出基于传统标签权重计算方法的缺陷,提出了改进的标签权重计算算法,更精确的反映用户对资源的兴趣,并结合标签时间信息,提出了一种用户模型更新算法。更进一步,从其他群体的角度来预测用户兴趣,并由此拓展推荐的范围,进而本文分别设计针对个人、社交、朋友、全局四种模式下的用户模型,以满足用户的个性化需求。与传统协同过滤推荐系统下用户到资源评分的矩阵不同,本文定义了一个标签到标签的矩阵来反映用户和资源之间的关系,并以此为基础提出了基于标签的推荐算法,并且进行了功能性能测试。最后进行了基于标签的个性化推荐系统的设计与实现,从系统设计角度分析了系统结果及功能模块,并给出了功能测试结果。研究和实验结果表明,本文提出的用户模型使用标签作为用户兴趣来源,更为全面准确地得到的用户模型,基于标签的推荐算法可以有效地提高系统的命中率,使系统推荐结果更能满足用户的需求。