随着Web2.0的发展，社交网络成为了用户共享信息的重要平台，好友系统是有效利用社交网络的最基本的功能之一。然而，虽然大多数社交网络系统提供了好友推荐的功能，由于其推荐结果缺少有效的说明信息，用户很少利用推荐结果，而通常都是通过手动寻找好友的关系网络或者感兴趣资源的作者，评论者等方式来认识新朋友。　　 用户在把线下好友关系向线上好友关系转移的同时，也在把线上好友关系向线下好友发展。用户认识好友的方式主要有两种：通过网络上现有的好友认识以及浏览到的有共同兴趣，共同话题的用户，基于这两种不同的方式，分别产生了好友推荐的两类算法，基于社会联结的推荐和基于内容的推荐。如何有效的对用户兴趣进行挖掘是实现个性化好友推荐的关键。　　 社交网络协同标签系统主要由用户，标签，资源三部分内容构成，用户可以对任何资源自由的标注标签。标签可以方便用户对资源的浏览和检索，其富含的语义信息以及用户的个性化信息也可以被推荐系统所利用。本文针对如何在社会标签系统中对用户进行有效的个性化好友推荐的问题，通过分析隐藏在标签标注，资源浏览行为中的用户兴趣信息，结合用户的相互好友需求信息，在用户，标签，资源三核协同标签系统图模型的基础上，提出了一种基于用户建模的个性化好友推荐算法。　　 通过flickr上的数据对本算法进行了实验和测试，获得了较好的结果，证明本算法是切实有效的。