抄録
近年，エージェントの人間社会への進出が増えてきており，複数の相手とのインタラクションを効率的に行うことがエージェントに求められている．そこで，我々はエージェントを取り囲む複数のユーザに対して効率的に適応するMULAを開発した．MULAは，これまでにインタラクションをとったことのある相手の中から類似した人のデータを用いて個人に対する適応を効率的に行う．しかし，MULAはユーザ数が増えると類似性の低い小さな影響が増えてしまう問題がある．本稿ではエージェントがユーザのカテゴリ化を行い，カテゴリデータを用いて個人に対する適応を行うMULA-Cを開発した．MULA-Cはカテゴリ内のユーザの学習結果から影響を受けるのでカテゴリ外の学習結果からの影響をカットできる．MULA-Cの有効性を検証する実験を行い，MULA-CはMULAの悪い影響を受ける部分を防ぎ，効率の良い適応を確認した．
