Trong công trình nghiên cứu này, chúng tôi chủ yếu tập trung vào việc áp dụng khoảng cách tương quan năng lượng (energy distance correlation) vào trong lọc cộng tác dựa trên mục tin (Item-Based Collaborative Filtering - IBCF). Thay vì dựa vào giá trị xếp hạng theo từng cặp như độ đo tương quan Pearson trước đây, phương pháp này tập trung vào phân phối các giá trị xếp hạng của một mục so với tất cả các giá trị xếp hạng của các mục khác. Các thực nghiệm đã được tiến hành trên tập dữ liệu Jester5k, với việc sử dụng phương pháp phân hoạch dữ liệu "split" và phương pháp phân hoạch dữ liệu "bootstrap". Các chỉ số đánh giá như hệ số tương quan Matthews (Matthews Correlation Coefficient -MCC) và Threat Score (TS) cũng được sử dụng để đánh giá chất lượng của các gợi ý của mô hình đề xuất. Kết quả của 2 kịch bản đã cho thấy rằng hệ thống gợi ý dựa trên mục tin với tiếp cận tương quan khoảng cách năng lượng có độ chính xác cân bằng giữa các mặt tích cực (positives) và tiêu cực (negatives) cao hơn so với các mô hình được so sánh khác. Hơn nữa, mô hình được đề xuất này cũng thể hiện khả năng Threat Score tốt hơn so với các mô hình được so sánh.