近年，Transformer Encoder-decoderモデルをSNS等の大規模なテキスト対話データで事前学習し用いることで，自然な対話を実現する手法が盛んに研究されている．事前学習モデルの構築には大きなコストがかかるため，一度構築したあとは同一のモデルを使い続ける事が多い．しかしその場合，モデル自体が持つ知識が徐々に古くなってしまい，発話のベースとなる常識がずれてくることで，対話が噛み合わなくなる問題がしばしば発生する．本研究では，時期等の異なるデータで事前学習モデルを追加訓練した場合に，生成される発話がどのように変化するかについて分析する．
