본 논문은 확산 모델(Diffusion Model, DM)을 기반으로 공정한 순차적 추천 시스템인 FairGENRec을 제안합니다. 기존 추천 시스템이 사용자의 민감한 특징(성별, 나이 등)과의 상관관계를 학습하여 불공정성을 초래하는 문제를 해결하기 위해, DM의 불확실성 모델링 및 다양성 표현 능력을 활용합니다. FairGENRec은 민감한 특징 인식 모델을 통해 원본 분포에 랜덤 노이즈를 주입하고, 순차적 탈잡음 모델로 아이템을 재구성합니다. 동시에, 민감한 사용자 특징의 편향을 제거하는 다양한 관심사 정보를 생성 결과에 주입하여 추천의 공정성을 모델링합니다. 추론 단계에서는 사용자의 과거 상호작용을 이용하여 노이즈를 추가하고 역이테레이션을 통해 목표 아이템 표현을 재구성합니다. 세 개의 데이터셋에 대한 실험 결과, FairGENRec은 정확도와 공정성을 모두 향상시키는 효과를 보였으며, 사례 분석을 통해 공정성 개선 정도를 시각화했습니다.
