评级列的基数是否会影响基于矩阵分解的协作过滤的性能？

Question

我正在基于mllib's implicit preference使用基于Netflix Prize winning algorithm的协作过滤的实现方式来在电子商务中生成杂货产品推荐。我尝试了两种变体（不同的评分方式）-

1. 评级=否。用户购买商品的次数
2. 评分=（2x（用户购买某商品的次数）+用户查看某商品的次数）/ 3 （即购买和查看的标准之间的权重为2：1）

性能（MAP，调用和精度）从1降低到2，这与矩阵密度的增加是不合常理的，并且期望2nd性能更好。一种观察是，在第二种方法中，评级列中的基数（离散值）增加了，因此，我想了解一下这是否会导致性能下降？