在Web2.0时代,互联网已成为人类可利用的具有丰富知识资源的宝库,然而“知识过载”、“知识迷航”等问题也困扰着用户。个性化知识推送已成为解决这类问题的一种重要策略。在Web2.0网站中,社会化标签系统使得用户能够对自身感兴趣的知识资源进行标注。利用用户生成的标注信息可进一步挖掘和提炼用户兴趣,以开展Web知识推送服务。本文主要以用户标签网络为切入点开展研究,以期找到一种合适的方法来进行Web知识推送。本文首先分析了社会化标签系统和个性化知识需求的一些基础理论,同时对Web知识推送系统的概念和通用组成架构做了总结。文章就用户标注行为建立模型,重点分析了用户标签网络构建的原理,提出用户标签网络模型的形式化定义。进而结合社会网络、复杂网络、图论等理论中的结构化分析思想,对用户标签网络建立起个体级、局部级、全局级的分析指标体系。对用户标签网络结构分析的过程,实质上是对用户标签进行序化的过程,从中能够发现用户标注行为中所潜藏的用户个性化兴趣和个性化需求。接着,在用户标签网络的结构化分析指标体系基础上,本文提出了基于用户标签网络的用户兴趣模型构建方法,并详细介绍了该方法的主要原理和步骤。在用户兴趣模型基础之上,本文构建了Web知识推送系统框架,并分析了该框架中的主要组成部分,提出个性化推送模块中知识资源与用户兴趣的相似度计算方法,其结果即为Web知识推送的候选知识资源。最后,结合真实数据集,本文通过实验分析基于用户标签网络的用户兴趣模型构建方法,以及在此基础上建立起的Web知识推送系统的推荐精度,从而验证该方法的有效性和可操作性。