keras：在源内部计算出权重以输入乘法

Question

直觉：

我创建了一个自动编码器，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）重新创建预测时的输出。

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 A_set

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  ... 

还创建了它的转置MovieIds，在行和UserIds列中。我们称这个为B_set。

问卷：

对此，我有以下查询：

• 在神经网络中向自动编码器（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
• 现在我内部知道以下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，然后求解该方程式，或者它已经转置了，我给出的输入必须是B_set对CF公正。

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

w1 = model.get_weights()
train_set.shape # (5436, 3706)
w1[0].shape     # (3706, 529)
w1[0].T.shape   # (529, 3706)
w1[1].T.shape   # (529,)
w1[2].T.shape   # (264, 529)
w1[3].T.shape   # (264,)
w1[4].T.shape   # (132, 264)
w1[5].T.shape   # (132,)
w1[6].T.shape   # (264, 132)
w1[7].T.shape   # (264,)
w1[8].T.shape   # (529, 264)
w1[9].T.shape   # (529,)
w1[10].T.shape  # (3706, 529)
w1[11].T.shape  # (3706,)

现在某种意义上讲，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组）可以称为CF的问题仍然存在。