Tensorflow:如何查找和平均每个训练实例不同数量的嵌入向量,每个小批量有多个训练实例?

在推荐系统设置中:假设我想学习根据用户过去的购买情况预测未来的项目购买,方法灵感来自 Youtube's recommender system :

可训练的 基于内容的网络,接收一个项作为输入,并根据其内容返回该项的嵌入。现在,假设每个用户都购买了 可变数 用户向量 ,一个 候选项向量 然后 用户项匹配分数

1. 我使用可训练的基于内容的网络将该用户购买的每个项目映射到其嵌入的项目向量
2. 我计算所有嵌入项向量的平均值(如图所示)
3. 我在这个平均值的基础上应用了几个ReLu层,从而得到 用户向量
4. 候选项 (推荐)使用与步骤1相同的可训练的基于内容的网络(该网络的权重总是共享的,就像暹罗网络一样)
5. 最后,计算用户向量和候选项向量之间的点积,在训练过程中应用交叉熵损失等。

如何使用Tensorflow实现每个用户嵌入项向量的可变数目的嵌入查找和平均 this one 但是不幸的是到目前为止还没有人回答这个问题。