5.6.2　基于聚类为用户做推荐

有了用户的聚类，我们可以采用如下步骤来为单个用户生成个性化推荐，每个用户的推荐策略是一样的，所以可以采用分布式计算平台Spark等工具来并行化处理。

步骤1：计算出用户u对新闻s的评分。

步骤2：计算出用户u对所有新闻的评分。

步骤3：将所有新闻评分降序排列，取topN作为该用户的推荐。

步骤2和3是非常简单的处理，这里重点来说一下步骤1，即怎么计算用户u对新闻s的评分。首先可以得到用户u所属的所有类别，对于每个类别，取出该类别中所有的用户对新闻s的点击次数之和（我们可以事先将每个类别中用户点击过的新闻及次数存储起来，方便查找），再除以该类别所有点击之和，得到该类别对新闻s的评分，那么用户u所属的类别对新闻s的总评分为：

这里的即刚刚提到的类中所有用户对新闻s的点击次数之和，是类所有用户的所有点击次数之和。上式计算出的s表示了用户u对新闻s的评分。

至此，基于笔者自己的理解，简单介绍完了Google News基于用户聚类的推荐算法。该方法也只用到了用户及其他用户的新闻点击行为，因此也是一种协同过滤算法，该算法的细节可以参考本章参考文献[3]。参考文献[17]，[18]，[19]，[20]有更多关于用聚类来做推荐的算法，感兴趣的读者可以参考学习。