[1Win4] Poster session 1

[1Win4-30] An Approach to Mitigate Popularity Bias in Recommendation Using LLMs

〇Kazuma Iwamoto^1,2, Kana Ozaki¹, Yasuhiro Sogawa¹ (1.Research & Development Group, Hitachi, Ltd., 2.Kagawa University)

Keywords:Recommendation, Large Language Model, Popularity Bias

近年，大規模言語モデル（LLM）の発展により，LLMを用いた推薦システムが注目されている．しかし，LLMを用いた推薦システムにおいて，人気があるアイテムが推薦されやすい人気バイアスがあることが示唆されている．人気バイアスの存在により，人気度が低いアイテムを好むユーザや人気度に関係なくアイテムを好むユーザに対して最適な推薦ができないと考えられる．そこで，本研究では人気バイアスを軽減することによって，個々人に最適な推薦を行うシステムの実現を目的とする．まず，人気バイアスを定量的に分析するため，映画のデータセットを用いた分析を行い，LLMを用いた推薦システムにおける人気バイアスの存在を確認した．また，LLMに映画の人気度を推論させ，推論結果をもとにユーザが好むアイテムの人気度に関する情報を付与することで，人気バイアスの軽減を試みた．実験の結果，LLMの推論が実際の人気度をある程度正しく認識できていることや人気バイアスが軽減できることを確認した．