講演情報
[5Yin-A-04]LLMのMixture of Expertsを用いるマルチドメイン逐次推薦におけるNegative Transferの緩和
〇清水 駿太1、篠田 浩一1、本村 陽一2 (1. 東京科学大学、2. 産業技術総合研究所)
キーワード：
推薦システム、マルチドメイン逐次推薦、大規模言語モデル
EコマースなどのWebサービスにおける逐次推薦では，行動履歴が少ないユーザーに対するデータスパース性の解消が重要な課題である．この解決策として，他ドメインの知識を活用するマルチドメイン推薦が有効とされるが，ドメイン間の関連性が低い場合に生じる「負の転移」（他ドメインの知識がノイズとなり精度を悪化させる現象）が精度低下を招く恐れがある．LLMを活用した従来手法の多くは限られたドメイン間の知識転移に焦点を当てており，ドメインを3つ以上に拡張した際の挙動についてはさらなる検証が必要とされている．そこで本研究では，LLMを用いたクロスドメイン逐次推薦手法をベースに，3ドメインへの拡張を提案する．本稿では，3ドメインでのナイーブな拡張と提案手法の差を比較検証し，単純なドメイン拡張において負の転移が及ぼす影響とその課題を明らかにする．