随着新浪微博、推特等社交网络服务的快速发展,越来越多的用户在这些社交平台上表达自己的个人知识、感受、意见和评论,导致用户规模的爆发式增长和社交服务机制的创新变革。每天有数以百万计的用户发布数以千万计的微博,与Twitter上的tweets相对应,在各种社交媒体上生成丰富多样的用户内容,如何快速准确地通过微博发现用户感兴趣的内容成为研究人员的一大方向。为此,我们通过对用户之间的社会关系、标签之间的共现关系和语义关系的共同探究,设计了一种综合推荐算法。首先,通过实验验证了用户之间的交流互动和好友关系确实能够说明他们之间某种程度兴趣的相似性,我们可以据此来产生我们的局部标签传播的方案,同时我们还实验验证了标签之间存在的共现现象,即用户如果标记了某个标签,那么另外一个标签也很有可能会被标记,由此,我们实现了局部标签传播产生候选标签的方案。其次,根据用户微博内容确定标签的初始权重,再由用户之间在微博上的交流互动,不仅考虑标签由此的前向传播,更考虑了可能带来的逆向传播,并且给与他们不同的权重系数,由此得到标签的局部传播,并产生候选标签。接下来,我们通过共现的方式将候选标签扩展,得到更多的候选标签,然后再采用消除语义冗余的方法去除一些同近义词,由此产生我们最终的推荐。由于算法的广泛性较强,对于传统的推荐系统中两个具有挑战性的问题,即数据稀疏性和语义冗余,我们都进行了针对处理。大量的评价实验验证了我们的算法在推荐标签匹配性能方面优于现有的方法,可以得到更为准确的用户标签。