본 논문은 사용자의 과거 클릭 데이터를 기반으로 개인화된 헤드라인을 생성하는 기존 방법들이 클릭 스트림 내의 비관련 클릭 노이즈를 고려하지 않아 사용자의 실제 선호도와 일치하지 않는 헤드라인을 생성할 수 있다는 문제점을 지적합니다. 이를 해결하기 위해, PHG-DIF(Personalized Headline Generation framework via Denoising Fake Interests from Implicit Feedback)라는 새로운 프레임워크를 제안합니다. PHG-DIF는 짧은 체류 시간 및 비정상적인 클릭 폭발을 기준으로 이중 필터링을 통해 클릭 스트림 노이즈를 제거하고, 다단계 시간적 융합을 통해 사용자의 진화적이고 다면적인 관심사를 동적으로 모델링하여 정확한 사용자 프로파일링을 수행합니다. 또한, 1,000명의 사용자 클릭 데이터와 약 10,000개의 주석이 달린 개인화된 헤드라인으로 구성된 새로운 벤치마크 데이터셋 DT-PENS를 공개합니다. 실험 결과, PHG-DIF는 클릭 노이즈의 부정적 영향을 크게 완화하고 최첨단 성능을 달성합니다.
