Web2.0的出现使得Web上出现一种新形态的系统：标签系统,如Delicious、Flickr、Youtube、Facebook。在标签系统中用户可以任意上传资源,并且允许使用任意的称为标签的文字对资源进行标注。由于其具有UGC (User Generate Content)及自由打标签(Free Tagging)的特征,使得标签系统中存在“信息过载”、“信息迷向”、“垃圾标签”、“搜索精度低”等问题。解决“信息过载”等问题通用的方法是采用个性化推荐技术,因此本文将研究基于标签的推荐系统。传统的推荐系统采用协同过滤技术,其基于用户-评分矩阵,研究对象是用户-项目两维系统。而标签系统是三维的系统：用户-标签-项目。为了简化研究及运用传统的推荐技术,本文通过映射把三维的系统转化为三个两维的系统：用户-用户、项目-项目、标签-标签。其中针对用户-用户关系提出了基于标签的用户模型、基于TF*IDF的用户模型、用户对项目的喜好度评估算法、基于用户兴趣划分的协同过滤推荐算法；项目-项目关系讨论了项目相似度的计算、基于项目的协同过滤推荐算法；标签-标签关系讨论了基于共现性的标签关系度量、基于社会关系的标签推荐算法。以上研究在一定程度上解决了标签系统中存在的各个问题。本文通过实验分析,验证了文章中提出的模型及相关算法的有效性,并根据实验提出了面向用户的推荐策略。