こんにちは。Gunosy Tech Labの飯塚、森田です。
今回の記事は3月の学会発表予定のお知らせです。
3月5日から3月9日にかけて開催される「第15回データ工学と情報マネジメントに関するフォーラム（DEIM2023）」、および3月13日から3月17日にかけて開催される「言語処理学会第29回年次大会（NLP2023）」において、Gunosyから計3件の発表を行います。
DEIM2023
3/5 3b-1: 推薦モデル「[技術報告] Gunosyにおける推薦システムの変遷と深層学習モデルの応用事例の紹介」
この発表では、Gunosyにおける推薦システムの変遷と深層学習モデルの活用例を紹介します。 Gunosyでは、ビジネス環境の大きな変化が過去数回起き、そのたびにビジネスの目的に沿った推薦システムの開発を行ってきました。 また近年では、研究が盛んに行われている深層学習モデルを推薦システムへ活用しているほか、深層学習をベースとした大規模言語モデルをニュース記事の要約といったタスクに利用しています。 本発表を聞くことで、推薦システムに対する企業での取り組み方に加え、先端技術を用いた研究開発の事例を知ることができます。
3/7 3b-8: バイアス・プライバシー・説明可能性 「推薦システムにおける人気バイアスを考慮したランキング評価指標」
この発表では、推薦システムにおける評価指標について議論します。 推薦システムでは、誰にでも人気のあるアイテムの他に、人気は低いもののユーザーにとって興味のあるアイテムの掲出がユーザー体験を向上させる場合があります。 今までの推薦システムの評価では、人気の度合いを評価する指標がありましたが、一般的によく使われているnDCGのような推薦精度を評価する指標とは相容れない指標となっていました。 そこで本研究では、推薦精度と人気度合いの両者を加味した指標を提案し、双方を同時に加味した推薦モデルの構築を目指します。 まだまだ研究途中の内容ではありますが、ユーザー体験を向上させるための評価設計について興味がある方はぜひご聴講いただければと思います。 ポスター発表も行いますので、現地でお待ちしております！
NLP2023
3/16 P12: ポスター：生成(6) 「語彙制約を間接的に用いた平易な要約の生成」
この発表では、やさしい日本語をつかって要約を生成する（平易な要約を生成する）手法について議論します。 平易な要約を学習するために利用できるデータは限られているので、もし、言語モデルをつかって難しい語彙を使わずに別の言葉に言い換えて要約を生成させることができれば、高いコストを払ってデータを作ることなく平易な要約器をつくることができるようになります。 しかしながら、言語モデルと語彙制約を組み合わせることで平易な要約を生成する場合、幻覚（原文と異なることを要約に書いてしまう）が生じやすくなることが分かりました。そこで、どのような場合に幻覚が生じやすくなるかを分析し、幻覚の出現を抑えながら平易な言い換えをモデルが出力できるようにする手法として、語彙制約を間接的に用いる手法を提案しています。 ポスター発表ですので、現地またはリモートでコメントやご質問、議論を楽しみにしております！
おわりに
DEIM2023、NLP2023では学会中Gunosyのスポンサーブースも出展しています。Gunosyや、Gunosyでの研究に興味のある方、岐阜と沖縄でお待ちしております。
