近年，客観的概念を認識する機械学習モデルが行動に発展し広く活用されているが，主観的な評価を行う人工知能技術は未だ確立されていない．しかし企業活動において自商品に対する消費者感性の把握と最適化は重要な課題であり，多商品を俯瞰的かつ効率的に評価する有用なモデルが求められている．そこで本研究では，多商品を前提として，新たな機械学習に基づくスケーラブルな感性品質評価手法を構築し，その有効性検証を行う．

　2024年度はECサイトで販売されている商品画像を対象として，「可愛い」や「鮮やか」と言った主観的な評価を行うスケーラブルな人工知能モデルならびにその活用方法について論文としてまとめた．具体的には，多くの商品画像に対して直接的な評価が困難な主観評価値を対象として，評価対象の組み合わせの一部についてのみ一対比較データを取得し，その一部のデータに基づく推定を行っている．一般に，一対比較データの取得では，評価対象の二乗に比例し一対比較の組み合わせ数が増加するため人手による評価は現実的ではない．そのため本研究では，評価対象の持つ特徴量が主観評価値に影響を与えることを考慮し，それらの特徴量を補助情報として用いた一対比較推定機械学習モデルを提案している．不足する一対比較データを補完することにより，評価対象数が多い場合であっても対応可能な，スケーラブルな主観評価値推定モデルを構築することができた．

　また，上記研究の論文化に加え，提案手法をより強力なツールとするための改善案について研究を行い，その成果を国内外で発表した．例えば商品画像のような非構造化データだけではなく構造化データ，あるいはその双方を特徴量として持つデータへの適用が可能であることを示した．また，一対比較データを複数人の被験者から取得することにより主観評価値の推定結果が人によって異なること，ならびにその実ビジネスへの応用可能性について議論を行った．