随着社交网络的快速发展,微博受到了越来越多用户的关注。为方便用户从这些海量的数据的发现与特定主题和事件相关的微博,大部分社交网站中都包含一些主题标签。一方面,主题标签随着微博快速产生并且没有组织化的管理,这样导致推荐主题标签给特定的用户存在着巨大的挑战。另一方面,当前的微博搜索系统建立索引时并没有充分考虑主题标签的主题相关和事件相关的特性,这样搜索的结果并不能很好的满足用户的需求,并且会导致建立索引和索引维护的开销变大。针对上述问题,提出了一种基于LDA主题模型的个性化主题标签推荐方法和一种基于主题标签的微博搜索方法。在推荐方法中每个用户的特征向量用Hashtag-LDA中的用户-主题分布表示,其中Hashtag-LDA是一种基于LDA的主题模型,该模型对微博中的主题标签,单词和用户联合建模。推荐方法首先根据用户特征向量找到和指定用户相似的top-k用户,然后计算出每个主题标签在用户所有微博中出现的次数,最后评分较高的主题标签便会推荐给特定的用户。另外,为了充分利用主题标签的主题相关性和事件相关性,更好的满足用户搜索热点事件的需求,基于主题标签的搜索方法在索引阶段只是索引和事件相关的微博,然后利用一系列评分机制来给出和搜索关键字相关的微博。为验证推荐方法和搜索方法的性能,采用Twitter数据集对这些方法进行了测试。实验结果表明Hashtag-LDA确实能够增强主题标签对隐含主题分布的影响,从而提高推荐方法的性能;搜索方法在减少索引的复杂度和查询的开销的同时能够保证查询结果的相关度。