随着web技术的发展，标签系统出现在人们的视野中，在标签系统中，人们可以用任意文字（即标签）对自己感兴趣的项目加以标注，因而标签带有较强的个人感情色彩。近年来，研究者们发现，标签可以有效地将项目和用户联系起来，描述了用户兴趣爱好的同时表现了项目的特征。但是由于个人的理解不同，标签存在着严重的语义模糊、歧义以及标签滥用等现象。本文提出一组标签的标准化方法，将用户的自定义标签映射到标准标签上，实验证明该方法在一定程度上解决了标签存在的语义问题。用户的兴趣爱好分为长期兴趣和短期兴趣两种，本文利用标签获取用户的长期兴趣，利用用户的浏览行为获取短期兴趣。根据前文的标签标准化方法将用户的自定义标签映射为标准标签后，使用标准标签为这两种兴趣分别建立用户的稳定兴趣模型和即时兴趣模型，并将二者结合建立实时的用户兴趣模型，用以完整实时的表现用户的兴趣爱好。同时，本文提出一种基于自然遗忘的模型更新方法，将人类的自然遗忘结合到模型的更新方法中，实验表明该方法有效的提高了模型的准确性。个性化推荐算法是推荐系统的核心，关系着推荐系统的推荐质量，本文提出一种改进的Slope one推荐算法——M-Slope one。该算法基于前文提出的实时用户兴趣模型计算用户之间的相似度，建立近邻用户群以减小相关项目的搜索范围，改进项目的评分平均差值公式。实验证明该策略有效的提高了推荐精度。