本研究では,セッションデータに対してItem2Vecを使ったアイテム分散表現を導入する推薦システムを提案する.提案システムはアイテム分散表現を使うことでセッションとユーザの分散表現をリアルタイムに学習する.さらに,推薦要求時にセッションデータに特化したユーザの分散表現(リアルタイムユーザ表現)を単純な計算方法によりリアルタイムに構築する.これによりユーザの行動と嗜好のリアルタイムな追跡を図り,推薦精度の向上を目指す.また,推薦アイテム探索のため,リアルタイムユーザ表現のみを考慮するNN型探索と,類似ユーザ表現も併せて考慮するCF型探索を提案する.実験結果として,提案システムがベースラインシステムより精度・多様性・新規性がバランスよく優れていることを明らかにしている.また,CF型探索の方がNN型探索より精度・多様性・新規性の全てが優れる傾向にあることを確認している.