当代中国正处于百年未有的重大变局之中,国家、社会、个人三个层面皆面临着价值重塑的问题。对主流价值观的传播直接切中中国特色社会主义建设最深层次的问题。同时,互联网和多媒体技术的迅速兴起使得文本数据呈爆炸式增长,如何合理有效地实现内容的主流价值观认知理解是一项极具挑战性的难题,在主流价值观上的相关研究对于净化网络空间,维系和谐稳定的社会环境,具有重大的现实意义。本文首先构建了一个主流价值观知识图谱,并通过预处理得到了一个价值观多标签推荐数据集。基于社会学专家提供的价值观知识体系,利用知识图谱可以包含丰富知识的特点,本文设计了合理的数据模式,构造了一个主流价值观领域的知识图谱。同时,为了在价值观领域进行下游任务的研究,本文使用了一个价值观领域的多标签推荐数据集,并对其进行特点分析以及预处理和划分统计等操作,为后续实验方法的选择和模型的构造打下铺垫。其次,本文选择了常见的基于类别思想的模型在价值观数据集上进行了实验对比。基于前面获得的数据基础,同时面向价值观这个较为崭新的任务背景,选择使用了常见的多标签推荐模型来进行实验,基于将标签视为二元类别的思想,具体包括浅层神经网络模型Fast Text和Text RCNN,以及深层神经网络模型Transformer和Bert,实验结果表明使用简单结构的Fast Text和基于大规模数据训练的预训练模型Bert取得了较好的结果,为后续选择更加符合价值观多标签推荐数据集特点的模型提供了思路。最后,本文还使用了融合价值观标签语义知识的多标签推荐模型进行实验。面向前面将基于标签类别思想的模型实验结果,考虑标签本身具有的语义信息,期望捕获标签之间的相关联系,模型通过两种策略利用了标签语义知识。其一,利用标签语义信息进行文本表示学习,获得每个标签对于文本中不同词的重要程度;其二,利用标签的语义知识,计算标签与文本的语义相似度,并与主模型结果融合。同时,本文还针对第二种策略进行了消融实验和“尾标签”有效性证明实验。实验结果证明了融合标签语义知识模型的有效性,且模型可以较好地缓解标签样本分布不均以及“尾标签”问题。