随着互联网上信息的日益膨胀,传统搜索引擎已经难以满足用户个性化的信息获取需求。为了解决这个问题,在很多领域内,推荐系统正被越来越广泛的应用。协同过滤推荐是目前应用最广泛也最为成功的一种推荐策略。然而它还存在着冷启动、稀疏性和可扩展性等问题。当前很多学者对这三个问题进行了深入分析研究,但是分析的重点主要放在了如何对数据进行处理上,重视数据忽视用户,过多的从数据角度对用户进行相似性分析进而产生推荐。鲜有从用户性格特征角度对过滤推荐策略进行研究的。针对当前研究存在的问题,论文研究了用户性格在协同过滤推荐中的应用。提出了基于用户性格的协同过滤方法,指出采用用户性格特征来计算用户之间的相似度,并据此选取用户最近邻,这种方法可以很好的解决稀疏性问题。同时,论文还提出了综合加权考虑传统的基于用户评分和基于用户性格特征的相似性计算方法。论文还指出,可以依据项目特征对项目进行划分,并结合用户性格建立性格-项目偏好矩阵。根据该矩阵可以对用户或项目进行推荐,该方法可以解决冷启动问题。论文最后对提出的推荐策略进行了实验。通过设计问卷,收集了用户性格特征以及用户对电影的评分数据。实验结果显示出,在同等条件下,基于用户性格的协同过滤推荐算法比传统的协同过滤推荐算法精确度高,而将两者加权考虑的推荐算法有着更高的精确度。