本发明公开了一种基于无监督权值计算的用户兴趣标签构建方法，从用户的行为向量数据中抽样选取部分样本，将用户行为次数作为自变量，将样本内通过排序算法得到的用户行为向量的排名结果作为因变量，代入Logistic回归模型中，最后拟合得到用户行为的最优权重，将计算用户标签权值这种无监督学习转化为监督学习，一方面降低了大数据计算对于资源的要求，另一方面减少了在行为权重计算过程中人为的参与。因此，本发明构建的用户兴趣标签体系可以广泛应用到广告推荐、视频推荐、推荐用户喜爱的商品等领域。