Los sistemas de recomendación se han convertido en una herramienta vital para identificar elementos para los usuarios basados en preferencias personalizadas. La clasificación personalizada o recomendación de elementos genera una lista clasificada de elementos para los usuarios. Los métodos de agrupación ofrecen una mejor escalabilidad que los métodos de filtrado colaborativo (CF) ya que realizan predicciones dentro de pequeños grupos. Los principales desafíos de los sistemas de recomendación son la precisión y la escalabilidad. Tradicionalmente, los sistemas de recomendación se basan en un marco centralizado que limita la escalabilidad rápida para volúmenes enormes de datos. La aparición de la tecnología en la nube resuelve este problema al manejar vastos datos y admitir un procesamiento masivo. Este documento propone un sistema de recomendación de clasificación personalizada por clústeres temporales (TCPRRS) en un entorno de múltiples nubes. TCPRRS es un sistema de cinco etapas que genera recomendaciones basadas en información temporal de consumo de usuario y agrupación con clasificación personalizada. Se utiliza la optimización por enjambre de partículas (PSO) para optimizar la solución. La eficiencia de TCPRRS se estima utilizando métricas de similitud.