در سالهای اخیر برچسبگذاریهای اجتماعی در فضای اینترنت رواج یافته است و این برچسب گذاری برای مدیریت سازماندهی و اشتراکگذاشت منابع مختلف راه موثری است. یکی از دلایل اصلی استفاده از سیستم پیشنهاد دهنده افزایش حجم اطلاعات وب است. سیستم های برچسبگذاری، اطلاعات کاربردی را به کاربر عرضه میکنند. به عنوان مثال برچسب علاقه کاربر را بر روی منبعی مشخص و زمان، معنی و مفهوم تغییر علاقه کاربر را در بازه زمانی خاص نشان میدهد. در مواقعی که اطلاعات زیاد است لازم است، منابعی را به کاربر نشان دهیم که علاقه بیشتری به آنها داشته باشند.فیلترینگ های دسته جمعی CF سرویس شخصیسازی را آماده میکند. در این مقاله، اطلاعات برچسب ، زمان برچسبگذاری و ارزش هر منبع را برای پیش بینی علاقه کاربر بررسی شده است، سپس با استفاده از این اطلاعات مدل پیشنهاد دهنده منبع موثرتر و بهتری ساخته شده است سیستم پیشنهاددهنده ای طراحی شده تا روش محاسباتی ذکر شده درمقاله را امتحان کند همچنین برای ازمایش ازمجموعه داده ها یجهان واقعی استفاده کرده و نتایج ازمایشات نشان دهنده برتری روش پیشنهادی نسبت به سایرروشها است و دارای عملکردبهتری می باشد