该模型通过矩阵完成缓解数据稀疏，并利用调整余弦相似度消除用户评分尺度差异，从而提升推荐精度。
Pan, He · 史加荣 · Wenhua, Ma · 郑秀云
Applied Soft Computing Journal 2024
采用调整余弦相似度寻找最近邻，避免不同用户评分尺度差异对邻居选择的影响。
先通过矩阵完成补齐评分矩阵，缓解数据稀疏现象，再基于完整矩阵进行后续处理。
利用 BLS 建立用户与物品之间的复杂非线性关系，从而获得更精确的推荐结果。