随着互联网的飞速发展,电子图书阅读网站的迅速崛起,图书、用户等数据量不断增大,从而使得图书推荐系统中数据稀疏性、冷启动问题等的影响更加突出,推荐系统的推荐质量不断降低。由于数据量的不断增大,图书评分矩阵更加稀疏；同时随着时间的推移,用户阅读偏好会发生变化,因此即使对同一图书,在不同的个体背景因素下都会有不同的评价,即为个体背景因素漂移,使得数据集的定位不够精确；除此之外,人格特质是用户阅读行为影响的另一主要因素。因此如何改善图书评分矩阵的稀疏性,并在进行推荐过程中定位有效的目标数据集,从而提高推荐系统的质量是图书推荐研究的重点。基于以上问题,本文提出了一种融入人格特质的个性化图书推荐模型,主要研究内容主要包括以下几个方面：第一,针对“大五”人格特质模型的相关定义,对人格特质因素的五个维度进行了分析与度量,主要包括情绪稳定性、开放性、外向性、随和性和尽责性这五个维度。通过利用量表得到的原始分与标准分之间的映射关系,得到人格特质的标准分,最后根据标准分与人格特质的强弱关系表得出人格特质兼容度综合值。第二,提出了融入个体人格特质的个性化推荐模型,将个体背景因素漂移、用户图书类型偏好和人格特质三个要素融入到个性化推荐模型中。首先,利用个体背景因素漂移对推荐的数据进行预处理,使目标数据集定位更准确；其次,利用用户图书类型偏好,通过将用户图书评分矩阵转换为用户图书类型偏好矩阵,从而缓解用户数据的稀疏性；最后,采用人格特质兼容度,优化候选图书推荐集的排序,使用户对推荐结果的满意度更高。第三,提出了衡量推荐结果满意度的评价指标。在收集用户对人格特质调查的结果的基础上,首先,确定了图书推荐集的大小；其次,在该数据推荐集大小基础上,对是否融入人格特质的两种推荐结果进行对比分析；最后,从用户总体满意度和平均排序准确度的分析,表明融入人格特质的个性化推荐算法在满意度上的优越性。