keras：在源内部计算出权重以输入乘法

Question

直觉：

我创建了一个Autoencoder，尽管它是针对电影用户的评分矩阵。我正在尝试使用协作过滤（CF）在预测时重新创建输出。

数据集：

下面的数据集是输入的方式。我在这里将其转换为Pivot矩阵： 我们将其称为 for c in df.columns: df[c] = df[c].fillna(df["sensor3"]) df

A_set

还将创建其转置，其中MovieId 1 2 3 4 5 6 7 ... UserId 0 5.0 0.0 0.0 0.0 2.0 0.0 0.0 ... 1 0.0 0.0 0.0 2.0 2.0 0.0 0.0 ... 2 5.0 0.0 1.0 0.0 0.0 0.0 0.0 ... 3 1.0 0.0 0.0 0.0 3.0 0.0 3.0 ... 在行中，MovieIds在列中。我们将其称为 UserIds 。

调查问卷：

在此之上，我有以下查询：

• 在神经网络中为自动编码器（使用Keras制造）提供输入时，什么集合（A / B）可以称为协作过滤（CF）？
• 我试图区分基于用户的CF和基于项目的CF
• 现在我在内部知道下面的公式如何在数学上起作用。我只是不确定在Keras / TF代码中是否也能以相同的方式工作。我应该考虑将哪一个（A / B组）作为我的CF？

  

Y = Theta（转置）。输入（X）+ C

• Theta是权重矩阵，我需要查看代码是否转置了Theta矩阵，然后求解方程式，或者它已经转置了，因此我给出的输入必须为 B_set 为CF伸张正义。

我尝试提供 B_set 作为输入，然后还在对输入进行训练/建模后检查权重。检查代码段：

A_set

现在这很有道理，这可能是在Keras源代码中的某个地方进行转置（请指出我的位置！），否则Matrix乘法将是不可能的。然而，关于哪个（A / B集）可以称为CF的问题仍然悬而未决。