추천을 위한 방향성 확산 그래프 트랜스포머

추천 시스템에서 암묵적으로 수집된 사용자 피드백에는 노이즈가 많이 포함되어 있어, 이를 효과적으로 제거하고 사용자의 진정한 선호도를 파악하는 것이 중요한 과제이다. 본 연구에서는 방향성 확산 그래프 트랜스포머(DiffGT) 모델을 제안하여, 사용자-아이템 상호작용 그래프의 고유한 비등방성 구조를 고려한 방향성 가우시안 노이즈를 도입하고, 그래프 트랜스포머 아키텍처를 활용하여 효과적으로 노이즈를 제거함으로써 향상된 추천 성능을 달성하였다.