因特网的价值来源于网络用户的知识和创造力,网络信息的爆炸式增长是由用户驱动的。社会化标注系统中,用户为感兴趣的资源添加个性化标签隐性地反映个人的兴趣爱好。构建以标签特征表示的用户兴趣模型,通过相似度计算找出目标用户的兴趣相似用户,将相似用户的知识资源作为目标用户的候选推荐资源集,按照一定的算法从中选取最相关的资源生成目标用户的推荐资源列表,即可实现对用户的个性化信息资源推荐。这种基于协同的用户兴趣挖掘与利用,是当前社会化标注系统及一些电子商务平台对用户进行个性化信息或商品推荐的主要方式。本文突破以往研究中平面结构的用户兴趣模型,构建层级树形结构的用户兴趣模型,利用层次化的标签表达用户兴趣,并以豆瓣网为数据来源,抓取用户为中心的标注数据,以用户的标签集表征用户特征,分别建立反映用户兴趣的平面结构与层级树形结构模型,利用Pearson相关系数算法计算与目标用户兴趣相似度最大的Top-N个邻居读者;然后根据邻居读者对图书的读过、想读、在读和未读的四个状态赋予不同的权重,计算图书的推荐分数;最后将评分较高的前M本图书推荐给目标用户。通过对比基于平面结构和层级树形结构用户兴趣模型得出的推荐结果,发现用户兴趣的层级结构模型能优化目标用户的资源推荐,为目标用户发现更多新的感兴趣资源,更好地实现个性化信息推荐。