在线问答（Q&A）与开源社区通常利用标签（tags）和关键词对内容进行索引、分类与检索。标签推荐最显著的优势在于能够实现信息的准确分类。在本研究中，我们首次将BERT预训练技术应用于在线问答与开源社区的标签推荐任务中。在FreeCode数据集上的实验结果表明，所提出的TagBERT方法在准确率方面优于现有的深度学习模型及其他基线方法。此外，我们的模型通过有效解决以往研究中存在的问题——即随着推荐标签数量的增加，模型性能显著下降——实现了更高的稳定性。