講演情報
[6L-01]イベント推薦精度向上のための生成AIのプロンプト分割最適化の検証
*大本 詩織1、榎 美紀2、小口 正人1 (1. お茶の水女子大学、2. 日本アイ・ビー・エム)
発表者区分：学生
論文種別：ロングペーパー
インタラクティブ発表：あり
論文種別：ロングペーパー
インタラクティブ発表：あり
キーワード：
LLM、推薦モデル、プロンプト
近年、観光需要の増加やインバウンド市場の拡大により、異なる背景や多様な嗜好を持つユーザーに適応したイベント推薦システムの必要性が高まっている。現在既に多くのイベント推薦システムが提案されているが、その多くは構築に多大な労力や高い学習コストを要するため、柔軟にイベントを推薦することが難しい。そこで、本研究では、近年急速に進化しているGPTを活用し、 SNSの投稿などから得られるユーザの情報をもとに、性格特性、感情、趣味趣向を推測することで、個々に応じたイベントを推薦するシステムを提案する。ハイブリッドな推薦を実現するには、多様な要素を考慮した指示をモデルに与える必要があるが、長すぎるプロンプトはかえって精度を低下させることが確認されている。また、LLMが急速に更新される中でも柔軟に対応できるシステムが求められる。このため、本システムでは、プロンプトを適切な長さに動的に分割することで、回答の精度向上を試みる。