近年来,随着互联网的技术快速发展尤其是Web2.0时代的到来,互联网成为连接全球的信息源,互联网上的资源呈现爆炸式增长。而在Web2.0时代,社会化标签这种网络信息分类方法被越来越多的网络系统所采用,个性化信息推荐服务也随着网络资源的海量增长而逐渐引起人们的重视,然而传统的个性化信息推荐模型并不能较全面的表现用户多样化的个人兴趣,也不能较全面的揭示资源特征以及资源主题和用户之间的关联。虽然传统的个性化推荐模型考虑到了用户——标签或者用户——资源的特征表示,但却较少将用户社会关系考虑在内,同时用户评价的数据的稀疏性也容易导致相似用户发现过程中产生遗漏,从而导致用户聚类的不完整,对个性化信息推荐产生影响,从而难以满足用户的个性化信息需求。在这个背景下,本文在构建基于标签的用户兴趣模型对用户进行聚类的基础上,添加用户的人脉关系网络,通过标签表征用户兴趣和通过共同关注对象挖掘用户潜在关系网络进行结合,寻找出兴趣人脉匹配度最高的用户群体进行聚类从而实现用户的个性化信息推荐。本文共有六章,其主要内容如下:第1章,绪论,主要介绍基于标签、个性化信息推荐以及基于标签的个性化信息推荐的国内外研究现状,以及论文的主要内容、论文结构、拟解决的关键问题和本文的创新之处。第2章,相关技术理论综述,包括社会化标签的概述、个性化信息推荐理论以及目前基于标签的个性化信息推荐理论中所存在的不足之处。第3章,基于社会化标签的个性化信息推荐的关键技术,包括用户相似度计算的相关技术、用户社群发现的相关技术和用户兴趣模型构建的相关技术。第4章,基于微博标签的个性化信息推荐,包括新浪微博的介绍、基于微博标签的个性化信息推荐模型构建指标、微博用户关系挖掘,最后进行整体算法框架模型的搭建。第5章,基于微博标签的个性化信息推荐算法实验和分析,主要以微博数据为数据源,对算法进行可行性分析,进行实验设计并验证结果。第6章,总结和展望,包括对主要工作的总结和未来研究工作的展望,为下一步研究提出工作思路。