随着Web2.0技术的蓬勃发展，全球互联网进入网络交互时代。微博的诞生和发展，给互联网信息的传播方式，以及用户的生活都带来巨大的影响。用户可以运用微博平台收听感兴趣的、贴近生活的、专业领域的话题。微博逐渐成为用户间信息交流，信息分享以及信息传播的主要平台。随着微博用户的上升，微博信息成倍地增长。而微博信息总是伴随着微博用户而存在，在众多微博用户中寻找到与自己有共同兴趣爱好的用户，也就找到了想要获得的信息。因此，为微博用户推荐具有共同兴趣爱好的好友，就成为本文研究的重点。本文对目前已有的社会网络好友推荐算法进行深入研究，通过总结学习推荐算法的理论知识，结合微博用户好友特点，提出一种基于关联规则和标签的个性化好友推荐算法，推荐与目标用户最相似的用户为其好友。首先，对微博中好友推荐的相关概念进行定义，并介绍好友推荐系统实现流程；其次，提出基于关联规则算法计算用户间共同好友关系的方法，然后又提出基于标签相似度算法计算用户间相似性的方法；最后，结合共同好友关系和标签相似性两个推荐因素，推导出基于个性化好友推荐的计算方法。在文章最后的实验部分，先设计实现了微博个性化好友推荐系统，为算法的性能测试提供实验平台支持。然后利用好友推荐系统，进行两部分实验，分别为权重值实验测试和算法性能实验测试。其中，权重值实验结果表明，当权重值为0.6时，个性化好友推荐算法达到最优。最后，通过与现有的三种好友算法进行比较，得出个性化好友推荐算法的优化性，表明相结合的个性化好友推荐算法是有效的，且在准确率和查全率上优于同类的好友推荐算法。