본 논문은 확산 기반 추천 방법을 그래프 영역으로 확장하여 사용자-아이템 간의 고차원 협업 신호를 더 잘 모델링하는 Graph-based Diffusion Model for Collaborative Filtering (GDMCF)를 제안합니다. 기존 방법들이 사용자의 과거 상호작용을 독립적인 훈련 샘플로 취급하는 한계를 극복하기 위해, 사용자-아이템 이분 그래프를 직접 확산 모델로 모델링합니다. 이 과정에서 발생하는 데이터의 이종성 잡음과 관계 폭발 문제를 해결하기 위해, 다단계 잡음 손상 메커니즘과 사용자 활동 기반의 선택적 확산 과정을 제안합니다. 실험 결과, GDMCF는 기존 최첨단 방법들을 능가하는 성능을 보였습니다.
