本研究では，セッションデータに対してItem2Vecによるアイテム分散表現を導入した推薦システムを提案する．さらに，セッションデータに特化したユーザ分散表現(リアルタイムユーザ表現)を推薦時に導入することで，推薦の精度の向上を目指す．リアルタイムユーザ表現は推薦のタイミングに応じて，単純な計算でリアルタイムに構築されるという特徴を持っており，ユーザ嗜好のリアルタイムな追跡を試みている．推薦アイテムの探索時にはリアルタイムユーザ表現に加え，他のユーザ分散表現も考慮している．実験結果として，提案手法のRecall@k・MRR@kはItem2Vecよりも高く，FPMCのMRR@kと同等のスコアになることを確認している．またFPMCと比較して，提案手法はモデル訓練が短時間で可能なことを確認している．
