在Keras中实现矩阵分解时的奇怪行为

我正在使用Keras实现一个简单的推荐矩阵分解模型。我在运行模型时发现了一些奇怪的行为：

• 用户和项目的潜在因素趋向于零向量
• 即使我只尝试拟合非零值（其值为1），这些潜在因子仍然为0。更奇怪的是，即使真实值（始终为1）和预测值（用户和项目的潜在因素之间的点积）之间的差异应该增加（因为这些潜在因素正在变为零），培训和验证损失也会减少。我使用“mse”作为损失度量

---

我不知道发生了什么事。如果有人以前遇到过这个问题，如果您能分享您的解决方案，我将不胜感激。（很抱歉，我不能发布我的代码，因为它很乱）。谢谢。

你想做什么？你是怎么做的？这是我的。在每个历元之后，我打印出一个用户潜在因素和一个项目因素的范数，注意到两个范数逐渐变为0。这是我的。（很抱歉代码混乱，我仍在调试）。我发现损失最终变成了1，因为所有的点积都是0。