Con el desarrollo continuo de la tecnología de la información y el rápido aumento de nuevos usuarios en sitios de redes sociales, la tecnología de recomendación se está volviendo cada vez más importante. Tras la investigación, se encontró que el comportamiento de los usuarios en los sitios de redes sociales tiene una gran correlación con sus personalidades. Las cinco características del modelo de personalidad OCEAN pueden cubrir todos los aspectos de la personalidad de un usuario. En esta investigación, se construyó un modelo de propagación micro-direccional basado en el modelo de personalidad OCEAN y un Autoencoder de Denoising Apilado (SDAE) a través de la aplicación de aprendizaje profundo a una técnica de filtrado colaborativo. En primer lugar, se redujo la dimensión de las matrices de características de usuario y artículo utilizando SDAE para extraer información más profunda. La matriz del modelo de personalidad OCEAN del usuario y la matriz de características del usuario reducida se integraron para crear una nueva matriz de características del usuario. Finalmente, se utilizó el enfoque de regresión lineal múltiple para predecir bienes no calificados por el usuario y generar recomendaciones. Este enfoque nos permitió aprovechar las relaciones entre varios factores para ofrecer recomendaciones personalizadas. Este experimento evaluó el RMSE y el MAE del modelo. Los resultados de la evaluación muestran que el algoritmo de filtrado colaborativo con autoencoder de denoising apilado puede mejorar la precisión de las recomendaciones, y el modelo de personalidad OCEAN del usuario mejora la precisión del modelo hasta cierto punto.