ユーザの好みを考慮するといったパーソナライズされたサービスの提供を行うために，対話の中でユーザの嗜好情報を取得することが望ましい．我々はすでにインタビュアー役と客役の二者による食に関する嗜好獲得を目指したインタビュー対話を収集し，インタビュアー役の発話内容である意図と意味内容に基づいた応答生成モデルを，GPT-3のファインチューニングにより作成した．本稿では，Zero-shot設定のChatGPT，対話履歴から応答文のみを直接生成するファインチューニング済みのGPT-3モデル，対話で実際に使用された応答を，作成したモデルからの出力と比較することにより，提案手法を評価する．ユーザの主観評価の結果，提案モデルの応答はChatGPT，応答文のみを直接生成するファインチューニング済みのGPT-3モデルに比べて，ユーザの情報を引き出そうとしている印象を被験者に与えた．また，応答文の特徴を分析した結果，提案手法は，(1) 多くの対話場面で質問を高頻度で生成すること，(2) ChatGPTに比べ，ユーザの応答の詳細を尋ねたり，応答から連想されることについて尋ねる質問を多く生成することが明らかになった．
