使用SpaCy实现电影推荐：获取最高相似度电影时遇TypeError问题

你代码里有两个核心问题：

• 错误遍历了输入描述x的每个字符（for token in x），导致每次处理单个字符而非整段描述，完全偏离了相似度计算的目标
• 没有将相似度值与对应电影存入可迭代容器，直接对单个float值调用max()必然触发报错

修正后的代码 #

def movie_recommendation(x):
    # 读取并清理电影列表，去掉换行符
    with open("movies.txt", "r", encoding='utf-8') as file_read:
        movie_list = [line.strip() for line in file_read.readlines()]
    
    # 处理输入的整段电影描述，生成SpaCy文档对象
    input_doc = nlp(x)
    similarity_pairs = []
    
    # 计算每个电影与输入描述的相似度，存储为(相似度, 电影描述)元组
    for movie_desc in movie_list:
        movie_doc = nlp(movie_desc)
        similarity = input_doc.similarity(movie_doc)
        similarity_pairs.append((similarity, movie_desc))
    
    # 提取相似度最高的电影（元组比较优先匹配第一个元素）
    max_similarity, recommended_movie = max(similarity_pairs)
    
    print(f"推荐电影：{recommended_movie}")
    print(f"相似度：{max_similarity}")
    return recommended_movie

关键说明 #

• 用列表推导式简化电影列表的读取和清理，比原循环更简洁高效
• 直接将整段输入描述传入nlp()生成文档对象，避免了遍历单个字符的错误
• 用similarity_pairs列表存储所有相似度与电影的配对，让max()可以遍历找到最大值
• 元组比较时会优先对比第一个元素（相似度值），因此max(similarity_pairs)能直接返回相似度最高的电影条目

内容的提问来源于stack exchange，提问作者brdmrkcrn