随着互联网和Web2.0技术的迅猛发展，社会化标签被越来越广泛地应用于个性化的信息服务系统中。标签体现了群体智慧，它有效地联系了用户与资源，同时描述了用户的兴趣爱好和资源的特征，具有较高的挖掘价值。现存的个性化推荐技术还存在着一定的问题，在带有标签的推荐系统中，有效地利用标签信息势必会给推荐系统领域带来新的机遇。论文结合国家科技支撑项目——老年人健康服务平台，面向基于标签的推荐算法技术展开了相应的研究。　　论文首先对当前推荐系统技术做了一个简要的综述，介绍了主流的协同过滤、基于内容、矩阵分解和混合推荐算法的工作原理、实现步骤和优缺点，并对未来推荐系统的研究提出了一些问题和展望。　　论文通过分析社会化标签的结构和特点，结合文本语义挖掘技术，提出了包括基于Jaccard、TF-IDF、LDA主题模型三种物品标签相似度的计算方法，它们具有不同的聚类特点和应用。概率化矩阵分解模型(PMF)在推荐系统中有着广泛的应用，论文提出了一种基于社会化标签的改进PMF算法Tag-PMF。该算法将用户对物品的评分分解为两部分，即物品自身隐含因子对用户的吸引评分和与之标签相似的邻居物品的参考评分，通过对两者的线性拟合得到了一个新的矩阵分解算法。　　接下来，论文对Tag-PMF算法进行了验证，相关的实验证明了与传统主流推荐算法相比，该算法在推荐准确度上平均可提升4.6％。另外，论文还对Tag-PMF算法的α、Top-K、D等几个主要因子进行了独立的实验，分析它们对算法推荐准确度的影响。　　最后，论文简要介绍了老年人健康服务平台，并将Tag-PMF算法融入到平台的个性化服务推荐模块中，提出了一个基于Tag-PMF算法的推荐系统架构，详细介绍了系统各主要模块的设计和实现。