A reconsideration of negative ratings for network-based recommendation

الگوریتم های پیشنهاد شده بر اساس شبکه های دو طرفه به لطف دقت و انعطاف پذیری آن ها به طور فزاینده ای محبوب شده اند. در حال حاضر، بسیاری از این روش ها امتیازات منفی کاربران را نادیده می گیرند. در این کار، ما یک روش برای بهره برداری از رتبه بندی های منفی برای الگوریتم نتیجه گیری مبتنی بر شبکه پیشنهاد می کنیم. ما متوجه می شویم که رتبه های منفی بدون در نظر گرفتن اسپارتی مجموعه داده ها نقش مثبت ایفا می کنند. علاوه بر این، کارایی روش ما را بهبود می بخشد و آن را با الگوریتم های پیشرفته تر مقایسه می کنیم. نتایج تجربی نشان می دهد که روش حاضر بهتر از الگوریتم های موجود است.