RecNet: エージェント型推薦システムのための自己進化型嗜好伝播フレームワーク

TL;DR（結論）

RecNetは、大規模言語モデル（LLM）を活用したエージェント型推薦システムにおいて、ユーザーやアイテム間の嗜好情報を能動的に伝播させる自己進化型のフレームワークである。従来のシステムが疎らでノイズの多い明示的な行動履歴のみに依存していたのに対し、本手法はルーターエージェントを介して関連するコミュニティへリアルタイムに情報を届ける仕組みを持つ。フィードバックに基づくテキスト最適化により、伝播戦略を継続的に改善することで、動的な環境下でも精度の高いパーソナライズされた推薦を実現することを目指している。さらに、メッセージバッファやフィルターメモリを導入することで、情報の過剰な統合を防ぎ、個々のユーザーの特性に合わせた柔軟なプロフィールの更新を可能にしている。これにより、直接的な相互作用がない場合でも、潜在的な関係性を通じてユーザーの関心の変化を迅速に捉えることができる。

なぜこの問題か

現代の推薦システムにおいて、大規模言語モデル（LLM）を用いたエージェントは、ユーザーの複雑な行動をモデル化し、パーソナライズされた意思決定を支援する強力なツールとして期待されている。しかし、既存のエージェント型推薦手法には、嗜好の変化を捉える上で根本的な課題が存在する。現在主流となっているアプローチの多くは、クリック、評価、購入といったユーザーとアイテムの間の明示的な相互作用のみをトリガーとして、プロフィールの更新を行っている。このような相互作用データは現実には非常に疎らであり、またノイズを含みやすいため、ユーザーやアイテムのリアルタイムな状態を正確に反映することが困難である。 さらに、既存の手法は受動的な更新に留まっており、ユーザーやアイテムの間に存在する動的で相互接続されたネットワーク構造を十分に活用できていない。現実のシナリオでは、直接的な相互作用がなくとも、ソーシャルなつながりやコンテンツの共有、あるいは共通のコミュニティへの所属を通じて、あるユーザーの嗜好の変化が他の関連するユーザーやアイテムに影響を与える「嗜好の伝播」が発生する。…

核心：何を提案したのか

本論文では、関連するユーザーやアイテム間でリアルタイムの嗜好更新を能動的に伝播させる自己進化型フレームワーク「RecNet」を提案している。RecNetの最大の特徴は、コンピュータネットワークにおけるルーターの役割をエージェント化した「ルーターエージェント」を、ユーザーエージェントとアイテムエージェントの間の中介者として導入した点にある。この設計により、個々のエージェント間での煩雑な通信を避け、中央集権的かつ効率的な情報のルーティングが可能になる。ルーターエージェントは、コミュニティレベルでの嗜好の共通性を管理し、個別のノイズをフィルタリングする役割を担う。…

続きはログイン/プランで閲覧できます。