최근 시퀀스 추천에서 로컬 시퀀스 패턴을 포착하기 위해 컨볼루션 필터가 점점 더 많이 사용되고 있지만, 대부분의 모델은 고정된 필터만으로는 정확한 추천에 필요한 글로벌 상호 작용을 포착하는 데 어려움을 겪어 셀프 어텐션을 보완적으로 사용합니다. 본 연구에서는 그래프 신호 처리에 영감을 받아 시간 가변 그래프 필터가 사용자 시퀀스에서 위치에 따라 변하는 시간적 변화를 포착하는 Time-Variant Convolutional Filters for Sequential Recommendation (TV-Rec)를 제안합니다. TV-Rec는 고정 커널과 셀프 어텐션을 시간 가변 필터로 대체하여 더 높은 표현력을 달성하고 사용자 행동의 복잡한 상호 작용 패턴을 더 잘 포착합니다. 이 설계는 셀프 어텐션의 필요성을 없앨 뿐만 아니라 계산을 줄이면서 추론을 가속화합니다. 6개의 공개 벤치마크에 대한 광범위한 실험 결과, TV-Rec가 최첨단 기준선을 평균 7.49% 능가함을 보여줍니다.
