講演情報
[5Yin-A-33]LLMベースの推薦システムにおける推薦候補のランキング難易度を考慮したユーザプロファイル最適化
〇坂口 太一1、小塚 和紀1、山西 宏平1、池田 朋加2、坂東 誉司1 (1. パナソニック ホールディングス株式会社、2. パナソニック株式会社)
キーワード：
推薦システム、LLMエージェント
推薦システムにおいて推薦候補アイテムをユーザの嗜好に基づいて並べ替えるランキングタスクに対し，近年，大規模言語モデル（LLM）でユーザの選好履歴を要約したユーザプロファイルを用い，高精度にランキング可能な手法が提案されている。しかし，従来のLLMを用いたランキング手法では，推薦候補間の類似性が高い場合に推薦候補のランク付が困難になるため，ランキング精度が低下すると考えられる。そこで本研究では，ランキング難易度が推薦候補間の類似性に依存する点に着目し，難易度に応じて適切なユーザプロファイルを選択する手法を提案する。具体的には，LLMにより複数のユーザプロファイルを生成し，それらの特徴量および推薦候補の類似度に基づいて定量化したランキング難易度を入力として，ガウス過程回帰によりランキング精度を予測する．その予測結果に基づき，最適なユーザプロファイルを選択する．MovieLensおよびAmazon Reviewデータセットを用いた実験により，推薦候補間の類似性が高い高難易度条件において，提案手法が従来の一律なプロファイルを用いる手法よりも有効であるかを検証する．