标签(TAG)是WEB 2.0的一个重要的组成成分,许多著名的内容分享网站如Flickr,Delicious等均允许用户在提交内容的同时附加一些词汇(TAG)做补充,这些标签包含用户对内容的理解,是非常重要的语意素材,可以用来做检索内容,内容推荐,标签推荐,兴趣小组发现等应用研究。但是许多网站现有的标签排序都比较简单的,有些是无序的,有些只是用简单的标签使用次数,因此人们需要一种更好排序算法来对标签进行排序。本文在分析标签使用行为的基础上,结合标签系统的用户、标签、内容三个要素,综合利用图算法和数据挖掘算法来对标签进行评分。本文针对文档类或非文档类标签分享网站分别提出了三种为标签进行排序的方法。第一种方法是基于兴趣传播模型的方法,通过构建“用户-标签-文档”图并使用Manifold Ranking算法来评分。第二种方法是根据用户和标签之间的相互加强关系使用新的EigenTag算法来评分。第三种方法是基于随机跳转模型的评分方法。我们构建了一张标签关系图并利用随机跳转模型来对标签进行排序。我们将人工标记的标签排序作为标准的排序,并使用NDCG标准来衡量算法的准确性。实验证明,相对于网站原始的排序,本文提出的各方法在标签排序准确性上有很大的提高。