본 논문은 순차 추천(SR)에서 확산 모델의 최근 발전에 착안하여, 기존의 암시적 조건부 확산 모델이 사용자 행동을 단일 표현으로 압축함으로써 순차적 및 문맥 정보의 손실을 야기하는 문제점을 지적합니다. 이를 해결하기 위해, 암시적 및 명시적 정보를 모두 전방 및 역방향 확산 과정에 이중 조건으로 포함하는 이중 조건부 확산 모델(DCRec)을 제안합니다. 특히, Dual Conditional Diffusion Transformer (DCDT)를 사용하여 크로스 어텐션 메커니즘을 통해 확산 단계 전반에 걸쳐 명시적 신호를 동적으로 통합하여 문맥적 이해를 높이고 무관한 패턴의 영향을 최소화합니다. 공개 벤치마크 데이터셋에 대한 광범위한 실험을 통해 DCRec가 정확성과 계산 효율성 모두에서 최첨단 방법을 상당히 능가함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
암시적 및 명시적 정보를 효과적으로 통합하여 순차 추천 성능을 향상시키는 새로운 방법 제시.
◦
Dual Conditional Diffusion Transformer (DCDT)를 통해 순차적 및 문맥적 정보를 효과적으로 활용.
