본 논문은 그래프 기반 추천 시스템의 두 가지 한계점, 즉 저역 통과 필터에 대한 과도한 의존으로 인한 사용자 특이적 신호의 억압과 그래프 구성에서 순차적 역동성의 생략을 해결하기 위해 GSPRec을 제안합니다. GSPRec은 순차적으로 정보를 얻은 그래프 구성을 통해 시간적 전이를 통합하고, 스펙트럼 영역에서 주파수 인식 필터링을 적용하는 그래프 스펙트럼 모델입니다. 아이템 전이를 다중 홉 확산을 통해 인코딩하여 스펙트럼 처리를 위한 대칭 라플라시안의 사용을 가능하게 합니다. 사용자 선호도를 포착하기 위해, 중간 주파수의 사용자 수준 패턴을 추출하는 가우시안 대역 통과 필터와 전반적인 추세를 유지하는 저역 통과 필터라는 이중 필터링 메커니즘을 설계했습니다. 4개의 공개 데이터셋에 대한 광범위한 실험 결과, GSPRec은 기준 모델보다 일관되게 성능이 우수하며 NDCG@10에서 평균 6.77% 향상을 보였습니다. 추가 실험을 통해 순차적 그래프 증강과 대역 통과 필터링의 상호 보완적인 이점을 확인했습니다.
