協調信号のデカップリングによるデノイズ推薦モデル

協調フィルタリング（CF）アルゴリズムは推薦システムにおいて高い性能を発揮していますが、ユーザーとアイテムの相互作用行列のノイズによって最適でない推薦性能が現れます。本研究は、ノイズ除去が単一のグラフ上で行われることが多い既存のアプローチの限界に着目しました。そこで、新たに提案されるのがGNN（グラフニューラルネットワーク）に基づくデノイズ推薦モデル「DRCSD」です。このモデルは、協調信号デカップリングモジュールとオーダーごとのデノイズモジュールから成り立ち、ノイズを対象ごとに除去します。また、情報集約メカニズムも改良され、オーダー間の信号干渉を防ぎます。実験結果では、DRCSDが不安定な相互作用に対して優れた堅牢性を示し、推薦精度において従来の最先端モデルと比べて統計的に有意な性能向上を達成しました。