在社会化标签推荐系统中,标签模糊和冗余的存在不但影响了系统的推荐质量,而且使得标签推荐系统不能得到准确的评估。如果将标签模糊和冗余应用到标签推荐系统当中,就可以提高系统的推荐质量,并且令系统得到更准确的评估。现有的标签推荐系统没有考虑标签模糊和冗余问题,影响了系统的推荐质量。本文将标签模糊和冗余应用到标签推荐当中,实验证明加入标签模糊和冗余处理后,推荐质量有明显提高,而且标签模糊和冗余对不同标签推荐算法的影响也不同,处理后的KNNut标签推荐算法的准确率提升更明显,这是因为模糊标签的移除提高了用户建模的准确性；而处理后的POPr标签推荐算法的召回率提升更明显,这是因为POPr标签推荐算法推荐了更多冗余标签。此外,在标签模糊和冗余的处理中,模糊标签和冗余标签的准确性直接关系着处理的效果,准确的模糊和冗余标签有助于进一步提高系统的推荐质量。标签和资源的聚类效果会影响模糊和冗余标签抽取的准确性,如果聚类效果较差会导致标签模糊度被高估,还会降低冗余标签抽取的准确度。所以本文提出使用核空间聚类算法对标签和资源聚类,使得标签和资源的特征差异在高维的空间中得到凸显,提高聚类效果。实验证明,利用核空间聚类得到的标签和资源的聚类效果明显好于在原空间中的聚类效果,并且利用更好的聚类效果可以得到更准确的模糊和冗余标签,进一步提高了系统的推荐质量。