アップビット、国際情報検索学会でパーソナライズドニュース推薦に関する研究論文を発表

アップビット運営会社のドゥナムは、自社の機械学習（ML）チームによるパーソナライズドニュース推薦に関する研究論文が、国際情報検索学会「SIGIR 2025」に採択され、メインカンファレンスで発表が行われたと16日に明らかにした。

今年のSIGIRのメインカンファレンスは、今月13日から18日までイタリア・パドヴァに位置するセンター・コングレッシで開催される。ドゥナム機械学習チームの研究員パク・チュンウォン氏は、14日のカンファレンスで、ドゥナムが開発したパーソナライズドニュース推薦システム研究成果を自ら発表した。

論文タイトルは「大規模言語モデル（LLM）基盤ユーザーシミュレーター：実際のユーザーインタラクションなしでニュース推薦モデルを学習するための方法論」である。本論文では、実際のユーザーデータを用いず、LLMが生成した仮想ユーザーをもとにニュースを推薦する手法が盛り込まれている。

具体的にドゥナムは、論文内で既存のニュース推薦手法のユーザー依存度を低減できるフレームワーク「LAUS（LLM As User Simulator）」を提案した。従来のニュース推薦手法では、モデル学習のためにクリックログやニュースの好みなど、ユーザーデータを収集する必要があるため、大規模な個人情報漏洩の懸念等の問題があったとドゥナムは説明している。

LAUSは、実ユーザーデータの代わりに仮想ユーザーを生成して学習データを作成する。今回の研究成果によると、LAUSは従来のニュース推薦手法である「ゼロショット」方式と比較して高い成果を示し、レイテンシも短く抑えられることが確認された。英語など多様な言語圏のニュース推薦システム比較評価においても、実ユーザーデータで学習したモデルと同等レベルの性能を示した。

パク研究員は「パーソナライズドニュース推薦システムの品質は、利用者が求める情報をいかに正確に提供できるかと直結し、サービス満足度を高める重要な要素だ」とし、「本研究により顧客情報保護と運用効率を向上させるとともに、より精密な推薦サービスを提供できる礎を築いた」と述べた。