本論文では、連続推薦における時変畳み込みフィルタ（TV-Rec）を提案しています。従来の畳み込みフィルタは局所的なシーケンスパターンを捉える能力を持ちますが、通常の固定フィルタではグローバルな相互作用を捉えるには限界があります。そこで、TV-Recは時間変動があるグラフフィルタを用いて、ユーザーシーケンス内の位置に依存する時間的変化を捉えることを目指しています。具体的には、固定カーネルや自己注意を排除し、時変フィルタで置き換えることで、より表現力のあるモデルを実現しました。実験の結果、TV-Recは最先端の手法に対して平均7.49%の性能向上を示し、計算負荷の軽減と推論の加速にも成功しました。