在Web2.0时代,互联网在成为世界上最大的知识库以给人们带来巨大便利的同时,也引发了 “知识迷航”、“知识泛滥”等问题。近年来兴起的Web知识推送能够解决这些问题,其以Web用户在互联网上的行为记录为基础,挖掘Web用户的各种知识需求,然后再整合相关资源或者知识主动提供给用户,以满足个性化需求。本文主要以多维社会网络分析为切入点尝试对这一领域中的模型进行探索,以优化Web知识推送的效果。本文首先从内涵、特点、模型以及功能等方面对社会化标签系统、社会网络分析与Web知识推送相关理论进行了阐述。然后,提出多维社会网络的构建方法,科学“移植”借鉴单维社会网络分析原理探索形成个体级、局部级和全局级三个层次的多维社会网络分析框架。其次,探索基于标签主题的多维社会网络的内涵,并使用多维社会网络分析的分析指标逐层分析。再次,基于多维社会网络构建Web知识推送模型,利用多维社区发现结果与协同过滤思想计算Web用户对知识资源的兴趣度,并最终产生Web知识推送集。最后,结合真实数据集,构建并基于标签主题的多维社会网络,依据Web知识推送模型完成Web知识推送,经过对Web知识推送结果的精确度评价,证明了本文提出方法的可行性和有效性。