LLMによるユーザプロファイル拡張を用いた推薦システムの検討

抄録

近年の推薦システムは，ユーザの嗜好を理解し，パーソナライズされた商品やサービスを提供する重要なツールである．しかし，一般に推薦システムは，新規ユーザやアイテムに対して限られた情報で推薦しなければならないというコールドスタート問題が存在する．この問題の解決を目指して，本研究では，大規模言語モデルを用いたユーザプロファイル拡張の有効性を検証する．大規模言語モデルが持つ広範な知識と高精度の特徴抽出機能により，拡張したユーザプロファイルを生成することで推薦精度の向上が期待できる．実験では，映画のデータセットであるMovieLensを用いて，年齢，性別，職業といったユーザプロファイルをそのまま推薦に利用する場合とGPT-4により拡張して利用する場合の推薦精度を比較した．実験の結果，拡張ユーザプロファイルを用いた場合，評価指標 MAPとNDCGの向上がそれぞれ0.02，0.01となることが示された．