본 논문은 사용자에게 여러 아이템의 집합(번들)을 추천하는 번들 추천 문제에서, 특히 콜드 스타트 시나리오에서 사용자와 번들 간의 상호작용이 부족한 문제를 해결하는 새로운 접근 방식인 DisCo를 제안합니다. DisCo는 사용자의 관심사를 분리된 측면으로 강화한 개인화된 확산 백본을 기반으로 각 사용자에 대한 분포 공간에서 번들을 생성합니다. 또한, 상위 K개 추천을 위한 생성 모델 사용 시 발생하는 편향 문제를 해결하기 위해 추가적인 목적 함수 손실 항을 조정합니다. 실험 결과, DisCo는 세 개의 실제 데이터셋에서 다섯 개의 비교 기준 모델보다 훨씬 우수한 성능을 보였습니다.
