최근 딥 뉴럴 네트워크는 사용자 선호도를 효과적으로 캡처/모델링할 수 있다는 점에서 추천 시스템에 널리 적용되고 있다. 특히 딥러닝에서의 어텐션 메커니즘은 추천 시스템이 다양한 특징을 적응형 방식으로 통합할 수 있도록 한다. 구체적으로 다음 아이템 추천 작업을 고려할 때, 다음과 같은 세 가지 관찰이 가능하다. 첫째, 사용자의 순차적 행동 기록은 시간 위치에 집중되며(시간 집약, time-aggregation), 둘째, 사용자의 개인화된 취향은 이 '시간 집약' 현상과 관련이 있으며(개인화된 시간 집약, personalized time-aggregation), 셋째, 사용자의 단기적 관심이 다음 아이템 예측/추천에 중요한 역할을 한다. 본 논문에서는 위에서 언급한 관찰을 해결하기 위해 새로운 시간 인지(long- and short-term) 어텐션 네트워크(Time-aware Long- and Short-term Attention Network, TLSAN)를 제안한다. 구체적으로 TLSAN은 두 가지 주요 구성 요소로 구성된다. 첫째, TLSAN은 장기적 행동 내 카테고리 인지(correlation)를 고려한 학습 가능한 개인화된 시간 위치 임베딩을 통해 '개인화된 시간 집약'을 모델링하고, 사용자별 시간적 취향을 학습한다. 둘째, 장기 및 단기 특징별 어텐션 레이어를 제안하여 사용자의 장기 및 단기 선호도를 효과적으로 캡처함으로써 정확한 추천을 가능하게 한다. 특히 어텐션 메커니즘은 TLSAN이 사용자 선호도를 적응형으로 활용할 수 있게 하며, 장기 및 단기 레이어에서의 어텐션 사용은 희소한 상호작용 데이터 처리 능력을 향상시킨다. 다양한 분야(크기 또한 다름)의 Amazon 데이터셋을 대상으로 실시한 광범위한 실험 결과, TLSAN은 사용자 선호도 캡처 및 시간 민감한 다음 아이템 추천 측면에서 최첨단 기준 모델들을 모두 상회함을 보였다.