分析了评级残差对推荐质量的影响。 残差评级是通过用户评级和潜在偏好来衡量的。 潜在偏好是通过心理测验模型计算的。 在具有不同等级的评分残差的情况下，在现实世界的数据集上通过实验评估了评分残差的影响。 理论分析和实验结果表明，评级残差对推荐的准确性和覆盖率具有负面影响。 基于高质量的数据，协作过滤算法可以为用户提供精确的建议。