1.3 结束语
随着心理学和计算机研究的不断进展，以及两者的深度融合，如何有效地测量用户的性格特征并融入到个性化推荐场景中很有希望成为主流的研究方向之一。一方面，在 大数据和人工智能时代，被动收集的大量用户行为数据为性格测量提供了新鲜的血液，使得不再局限于通过访谈或者调查问卷方法；另一方面，基于性格的个性化推荐算法的研究仍然处于初步阶段，虽然相关研究证实了其在部分应用领域的潜力，比如笔者基于微博异质信息测量用户大五人格的工作[7]，应用于聊天机器人微软小冰中（见图9），并在求职类节目中被用于测量应聘者和面试官的性格匹配程度（见图10），服务于职场推荐等应用场景。但是目前的研究基础理论不完整，技术方案尚未成体系，应用尚不够广泛，意味着该领域的工作面临着极大的挑战。这些挑战体现在如下几个方面：①需要克服调查问卷的依赖性，直接根据用户行为对性格测量的有效性是该领域需要突破的关键性研究问题。②用户可能来自不同的地区甚至国家，目前的研究工作还不能很好地考虑到可能存在的文化差异，比如在不同的文化背景下，同样的行为是否反应同样的性格，以及是否应该进行类似的个性化推荐。③可解释性是个性化推荐技术很重要的一个评价指标，基于性格的推荐算法如何更好地解释用户对物品的偏好也是该领域的关键性问题。
最后，作为一个交叉学科，这个领域的成功需要计算机科学家、心理学家和社会学家们一起的努力。
