生成AIとの融合により潜在的嗜好を把握可能とするユーザ中心推薦技術の構築

• Project/Area Number: 24K02942
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60080:Database-related; Basic Section 62020:Web informatics and service informatics-related; Sections That Are Subject to Joint Review: Basic Section60080:Database-related , Basic Section62020:Web informatics and service informatics-related
• Research Institution: Hokkaido University
• Principal Investigator: 長谷山 美紀 北海道大学, 情報科学研究院, 教授 (00218463)
• Co-Investigator(Kenkyū-buntansha): 斉藤 直輝 北海道大学, 総合IR本部, 助教 (00798225) ; 小川 貴弘 北海道大学, 情報科学研究院, 教授 (20524028) ; 藤後 廉 北海道大学, 情報科学研究院, 特任助教 (60840395)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000); Fiscal Year 2027: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000); Fiscal Year 2026: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000); Fiscal Year 2025: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2024: ¥7,410,000 (Direct Cost: ¥5,700,000、Indirect Cost: ¥1,710,000)
• Keywords: 生成AI / 深層学習 / 人工知能 / 強化学習 / 推薦

Outline of Research at the Start

本研究では、マルチメディアコンテンツ推薦において、プラットフォーム依存かつブラックボックス推薦の双方の課題の解決に挑戦し、ユーザ中心の新たな推薦技術の確立を目指す。具体的に、「モダリティ・プラットフォームを横断可能とするクロスモーダル表現学習技術」および「潜在的嗜好を考慮した推薦を可能とするIn-context Learning技術の構築」を軸としてユーザの潜在的嗜好の把握および推薦精度の向上を目指す。本研究では，理論構築のみならず、実証実験を通した実用性検証を行う。最終的には、コンテンツ推薦と生成AIを融合することで、解釈性向上等のユーザ体験について大きな改善をもたらす技術の実現を目指す。