本稿では、ItemRAGという新しい方法を提案しています。これは、アイテムベースの検索強化生成(RAG)手法であり、従来のユーザーベースのアプローチとは異なり、関連するアイテムを共同購入履歴から取得します。大型言語モデル(LLM)を推薦システムに応用する際、特に冷スタートアイテムの処理において効果的です。ItemRAGは、アイテム間の共同購入パターンを捕捉し、特に意味的に類似したアイテムを取得することで、より関連性の高い推薦を実現します。実験結果から、ItemRAGはゼロショットLLMベースの推薦において、Hit-Ratio-1を最大43%向上させ、ユーザーベースのRAG手法を上回ることが示されました。