Recommender system based on psychological user profile

Currently, one of the vital issues is the data over-burden issue. To help the individual examine all possible decisions accessible on the web, Recommender Systems have begun to show up. They gather preferences of individuals based on explicit ratings of various products or on the examination of practices of the clients, working inside the system. Thus Recommender Systems are able to propose new items to their clients, considering items that are loved by individuals with similar tastes. The process of preference retrieval and the decision of the recommendation algorithm are key parts of the Recommender System structure. There are diverse traditional approaches available: content-based, collaborative filtering, and etc. with the tendency to choose the combination of them to create a hybrid system. But recently, a new type of Recommender System has appeared that uses personality information about the users. It gives results in a more personalized system for client representation aimed for updating the method of recommendations. In this thesis, we propose the Personality-based Recommender System. In order to produce recommendations with respect to psychological user characteristics, In order to produce recommendations with respect to psychological user characteristics, without adding any burden to users by asking time consuming questions explicitly. we create a psychological user profile with respect to user’s mood (positive, negative) and user personality trait based on big five factors which are very famous personality trait classification in psychology area, that extracted implicitly by text recognition with considering linguistic cues. Subsequently, it makes an expansion between the efforts of automatic personality extraction from review-text and the field of Recommender Systems. We demonstrate an analysis of the obtained promising results.

Uno dei problemi fondamentali nel mondo di oggi è il sovraccarico nell'emissione di dati. Per aiutare l'individuo ad esaminare tutte le possibili scelte accessibili sul web, sono nati i sistemi di raccomandazione. Essi raccolgono le preferenze degli individui in base alle loro valutazioni esplicite di diversi prodotti o esaminando il comportamento degli utenti all'interno del sistema. Pertanto i sistemi di raccomandazione sono in grado di proporre nuovi elementi agli utenti, considerando gli elementi piaciuti da persone con gusti simili. Il processo di recupero delle preferenze e le scelte dell'algoritmo di raccomandazione sono parti fondamentali della struttura dei sistemi di raccomandazione. Ci sono diversi approcci tradizionali disponibili: in base al contenuto, filtraggio collaborativo, ecc, con la tendenza a scegliere la loro combinazione per creare un sistema ibrido. Tuttavia, recentemente, un nuovo tipo di sistema di raccomandazione è apparso che utilizza le informazioni personali riguardanti gli utenti. Esso fornisce all'utente un sistema più personalizzato, finalizzato ad aggiornare il metodo di scelta delle raccomandazioni. In questa tesi vi proponiamo un sistema di raccomandazione che si basa sulla personalità delle persone. Al fine di produrre raccomandazioni che tengano conto degli aspetti psicologici, senza richiedere uno sforzo extra all’utente con questionari espliciti, abbiamo creato un profilo psicologico dell'utente che tiene conto del suo umore (positivo, negativo) e della sua personalità, basandoci sui "cinque grandi fattori" di personalità, che attualmente risultano essere le dimensioni più popolari tra gli psicologi per lo studio della personalità umana. Essi sono ottenuti estraendo alcune parole chiave da testi e convalidati con un fattore ottenuto dall'analisi di un questionario sulla descrizione della personalità che è diventato uno standard nel corso degli anni. Infine abbiamo ultimato il lavoro espandendo gli sforzi di estrazione automatica della personalità dalle recensioni testuali e unendoli alle pratiche già note dei sistemi di raccomandazione. In ultima istanza, presentiamo un'analisi molto promettente dei risultati ottenuti.