随着社会计算系统的蓬勃发展,越来越多的信息和特征被用于用户建模,如画像信息、位置、行为和偏好等。社交媒体为分析用户情绪、个性等内在状态提供了各种各样的资源。用户的个性特征作为一种有价值的资源,可以反应被研究用户的内在特点,这启发了一项新的研究领域,即个性计算。现阶段,该领域的研究大部分集中在通过分析用户数据自动识别用户个性,很少将用户个性特征纳入到推荐系统中,更没有研究用户的个性特征对用户建模、兴趣挖掘过程以及推荐准确性的影响。本文提出了一种基于Big Five人格模型和用户兴趣动态建模的个性化感知用户建模框架。为了证明该框架的高效性,我们设计了以下三个应用场景:（1）提出了一种新颖的基于Big Five个性特征模型和混合过滤的朋友推荐系统。依靠个性特征和用户和谐度实现推荐过程,实现了名为PersonNet的社交网站,以此证明该推荐系统的准确率。（2）设计了一种基于动态主题建模和Big Five个性特征的用户兴趣挖掘系统。为了验证在兴趣挖掘过程中融入用户个性特征的高效性,构建了一个支持新闻共享的社交网络,并对收集到的数据进行了不同的实验。（3）构建了一种基于用户兴趣挖掘和元路径发现的个性化产品推荐系统Meta-Interest。该系统可以通过分析用户的主题兴趣,预测用户的需求和关联项,最终推荐与用户兴趣相关的项目,即使用户的历史记录中不包含相同或类似项。