互联网技术的飞速发展和在线学习受重视度的提升使得数字化学习平台被广泛应用。同时,随着学习资源数量的日渐增长,学习者越来越难以在传统的资源组织方式下找到符合自己需求的学习资源。个性化推荐技术能够主动给用户推荐感兴趣的信息,是目前解决信息过载最有效的方式之一。社会化标签提供了一种以用户为中心的资源组织和管理方式;用户可以自由地为自己感兴趣的资源添加社会化标签,在个性化地组织网络资源的同时还反映出自己的兴趣偏好。因此,在数字化学习平台中引入社会化标签,并利用个性化推荐技术,不仅能够通过标签来丰富学习平台资源的组织方式,而且能够根据用户的标注信息给用户推荐个性化的学习资源。为了解决现有数字化学习平台中资源管理存在的问题,本文以社会化标签和个性化推荐技术为知识背景,以基于标签的个性化推荐算法为研究对象,以改善用户查找资源体验为目的,主要进行了如下工作:1.研究并归纳了现有的基于标签的资源推荐算法模型,在此基础上选择应用最为广泛的协同过滤扩展模型作为研究重点。2.为了减少社会化标签的语义模糊性和冗余性给基于标签的协同过滤算法带来的噪声,利用群体智慧选择流行标签对用户和资源建模,在此基础上设计了基于流行标签的协同过滤算法。3.在MovieLens 10M数据集上,对传统的基于标签的协同过滤算法和基于流行标签的协同过滤算法进行了对比实验,验证了提出的算法降低了标签噪声并取得了比传统算法更好的准确性。4.针对实际的数字化学习平台—“嵌牛学苑”存在的资源管理问题,引入并实现了一个社会化标签系统。该系统能让用户通过标签个性化地管理和组织资源,丰富了资源的管理方式,并为个性化推荐提供了源数据。5.基于实现的社会化标签系统,结合提出的基于流行标签的协同过滤算法,设计了一个基于标签的资源推荐系统框架。