Python TensorFlow推荐程序：InvalidArgumentInteror:索引[0,1]=66521不在[012976]中[Op:ResourceGather]

我正在尝试使用TensorFlow Recommenders（TFR）构建一个推荐系统，在推断经过训练的模型时，我遇到了一个问题。我已经创建了查询和候选塔，并将嵌入维度设置为我的数据集中唯一电影的长度。用户功能已经标准化

class UserModel(tf.keras.Model):
    def __init__(self, users_vocab, embedding_dimension = 128):
        super().__init__()
        self.user_model = tf.keras.Sequential([
            tf.keras.layers.experimental.preprocessing.IntegerLookup(vocabulary=users_vocab),
            tf.keras.layers.Embedding(len(users_vocab) + 2, embedding_dimension)
        ])

    def call(self, inputs):
        # Take the input dictionary, pass it through each input layer,
        # and concatenate the result.
        ret = tf.concat([
            self.user_model(inputs["USER_ID"]),
            tf.reshape(inputs["USER_FEATURE"], [-1, 1])
        ], axis=1)
        print(tf.shape(ret))
        return ret

经过培训后，我尝试通过使用BruteForce层创建索引来获得建议，d是包含UserId和用户特性的字典

index = tfrs.layers.factorized_top_k.BruteForce(model.query_model)
index.index(movie_features.batch(16192).map(model.candidate_model), movies)
_, titles = index(d, k=1)

我的模型推荐嵌入向量空间中不存在的电影，当我尝试获得k>1的推荐时，会抛出此错误

InvalidArgumentError: indices[0,1] = 66521 is not in [0, 12976) [Op:ResourceGather]

而当我通过k=1时，模型会给我一个电影ID

recommendations for user [2471]: [Movie ID]

我如何解决这个问题

谢谢！：）

编辑1：为了增加上述问题，当我传递没有标识符的候选功能时

index.index（movie_features.batch（16192）.map（model.candidate_model））

则我的模型正确返回索引，但这些索引值大于movies变量的长度

电影功能：

电影：长度为83349的唯一电影id的列表

movies=training\u data.movie\u id.unique（）