基于K-means聚类如何根据选定电影实现同簇电影推荐？

核心逻辑拆为两步：首先获取输入对象（已有电影/自定义虚拟电影）对应的聚类簇编号，再从对应簇内筛选排序得到目标长度的推荐列表，不需要修改原有聚类结果。

场景1：选定数据集内已有电影做推荐 #

所有电影已经完成聚类打标，不需要重新调用模型预测，直接查询目标电影的簇号即可，可直接复用如下函数：

import pandas as pd

def get_recommend_by_exist_movie(movie_primary_key: str, top_n: int = 20):
    """
    针对数据集内已有的电影生成同簇推荐
    :param movie_primary_key: 目标电影在prediction_result表中的唯一标识，比如IMDB的tconst字段
    :param top_n: 返回推荐结果数量
    """
    # 定位目标电影所属簇
    target_row = prediction_result[prediction_result['tconst'] == movie_primary_key].iloc[0]
    target_cluster_id = target_row['cluster']
    
    # 筛选同簇内容、排除目标电影本身，按评分、投票数倒序
    recommend_list = prediction_result[
        (prediction_result['cluster'] == target_cluster_id) &
        (prediction_result['tconst'] != movie_primary_key)
    ].sort_values(by=['averageRating', 'numVotes'], ascending=False)
    
    return recommend_list.head(top_n)

调用示例：要获取电影tt0111161（肖申克的救赎）的同簇20部推荐，直接执行get_recommend_by_exist_movie('tt0111161')即可。

场景2：输入自定义构造的虚拟电影特征做推荐 #

之前虚拟特征输入模型得到错误结果，基本都是特征预处理流程和训练阶段不一致导致的，只要严格复用训练阶段的预处理逻辑、保证特征维度/顺序完全对齐即可正常预测。

注意：训练阶段用到的特征编码器、标准化/归一化器必须是训练时fit完成的持久化对象，不能针对虚拟输入重新fit，否则特征分布会完全错位。

示例代码如下，假设你训练时已经保存了：

• 训练好的KMeans模型对象kmeans_model
• 数值特征标准化用的scaler对象feature_scaler
• 训练集特征的列顺序列表train_feature_order（保证输入特征和训练时顺序完全一致，避免列错位）

def get_recommend_by_custom_movie(custom_feature: dict, top_n: int =20):
    """
    针对自定义构造的虚拟电影特征生成同簇推荐
    :param custom_feature: 构造的电影特征字典，key要和训练时的特征名完全一致
    :param top_n: 返回推荐结果数量
    """
    # 构造输入特征，对齐训练集列顺序
    input_df = pd.DataFrame([custom_feature])[train_feature_order]
    # 复用训练时的预处理逻辑做特征转换
    input_scaled = feature_scaler.transform(input_df)
    # 预测所属簇
    target_cluster_id = kmeans_model.predict(input_scaled)[0]
    
    # 筛选同簇内容排序返回
    recommend_list = prediction_result[
        prediction_result['cluster'] == target_cluster_id
    ].sort_values(by=['averageRating', 'numVotes'], ascending=False)
    
    return recommend_list.head(top_n)

优化提示 #

如果需要更高的推荐匹配度，不要仅按平均评分、投票数做热度排序，可以在同簇内计算输入电影和簇内所有电影的特征余弦相似度，按「相似度0.7 + 归一化后评分0.3」的加权分排序，结果会比纯热度排序更贴合输入电影的特征。

内容的提问来源于stack exchange，提问作者Mettepen