5.3.1　基于用户聚类的推荐

如果我们将所有用户聚类了，就可以将该用户所在类别的其他用户操作过的标的物（但是该用户没有操作行为）推荐给该用户。具体计算公式如下，其中Rec(u)是给用户u的推荐，H是用户所在的聚类，A(u')、A(u)分别是用户u'、u的操作历史集合。

那么怎么对用户聚类呢？可行的方案主要有如下几类。

1.基于用户的人口统计学特征对用户聚类

用户的年龄、性别、地域、家庭组成、学历、收入等信息都可以作为一个特征，类别特征可以采用one-hot编码，所有特征最终都可以转化为数值，最终获得用户特征的向量表示，通过K-Means聚类算法对用户聚类。

2.基于用户行为对用户聚类

比如采用矩阵分解就可以获得用户的嵌入表示，用户操作行为矩阵的行向量也是用户的一种向量表示，再利用K-Means对用户进行聚类。

3.基于社交关系对用户聚类

如果是社交产品，用户之间的社交链条可以构成一个用户关系图，该社交图中所有的连通区域就形成了用户的一种聚类。这种推荐其实就是将你的好友喜欢的标的物推荐给你。