LLMベースのユーザープロフィール管理によるレコメンドシステム

概要: 大規模言語モデル（LLM）の急速な進歩により、従来の学習を必要としないゼロショット推薦が可能になり、レコメンダシステムに新たな機会が生まれました。潜在力はあるものの、既存の多くの研究はユーザの購入履歴のみに依存しており、レビューや製品説明といったユーザ生成のテキストデータを取り入れることで、なお改善の余地が大きく残されています。このギャップに対処するために、本研究では、ユーザレビューから重要な情報を体系的に抽出し要約することで、進化し続けるユーザプロファイルを構築・維持する、LLMベースの新しい推薦フレームワークPUREを提案します。PUREは3つの中核コンポーネントから構成されます。すなわち、ユーザの嗜好と重要な製品特徴を特定するためのReview Extractor、ユーザプロファイルを洗練し更新するためのProfile Updater、そして最も最新のプロファイルを用いてパーソナライズされた推薦を生成するためのRecommenderです。PUREを評価するために、実世界の状況を反映した継続的な逐次推薦タスクを導入します。具体的には、時間の経過とともにレビューを追加し、予測を段階的に更新することで、そのシナリオを再現します。Amazonのデータセットに対する実験結果は、PUREが既存のLLMベース手法を上回り、トークン制限を管理しつつ長期的なユーザ情報を効果的に活用できることを示しています。