微博是目前一种十分流行的分享信息、表达观点的社交网络.在新浪微博的服务中,用户可以给自己标注不同类型的标签,来表示他们的属性和兴趣.这些用户标注的标签在个性化推荐以及信息检索领域中扮演着重要的角色.传统的社会标签推荐,主要集中于用户针对在线实体的标注行为,例如网页、图片以及视频等等,这些研究大部分都是基于标注行为的历史信息.为了更好的理解微博用户标签的语义信息，提出了标签关联模型((Tag Correspondence Model)，来根据用户的上下文信息识别标签之间复杂的关联信息。一个标签的对应元素，是指在上下文中，与该标签语义相关的独一无二的元素。将微博用户的上下文信息划分成不同的类型，例如发布的微博信息，用户的个人资料，以及邻居用户等等。根据已经标注标签的用户数据，标签关联模型TCM可以自动的学习出不同类型的信息与用户标签之间的关联关系。根据学习到的关联关系，可以对标签的含义进行直观的解释。同时，对于没有标注标签的用户，该模型可以根据用户的上下文信息自动的推荐标签。在新浪微博真实数据集上的实验证明，该方法可以有效的识别出能够表示标签语义信息的关联关系，同时也能够对未标注标签的用户进行有效的标签推荐。