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．
