人が行う対話には話者の趣味嗜好，経験など有益な情報が多く含まれている． これらの情報は様々なシステムのパーソナライズや高度な情報推薦に利用することが出来ると考えられるが，そのような取り組みはほとんど行われていない．そこで本研究では対話データからアイテムを推薦するための新しいフレームワークSumRecを提案する。本フレームワークでは、話者とアイテムの特徴を適切に抽出するために、大規模言語モデルを用いて話者要約とアイテム推薦文を生成する．話者要約は話者に焦点を当てた対話要約であり，アイテム推薦文はアイテムがどのような人に好まれるかを記述した文である．これらの情報をスコア推定モデルに入力し、話者がアイテムをどれほど好むかというスコアを予測する．実験の結果，本タスクのために新しく構築したChatRecデータセットにおいて，対話とアイテムの説明文をそのまま使用するベースライン手法よりも優れた性能を示した．また，既存の推薦対話データセットであるREDIALを用いた実験を行い，SumRecを用いることで同様に性能向上が確認できた．
