本研究では，自然言語処理における意見抽出モデルの精度向上のため，大規模言語モデル（LLM）を活用した疑似データ生成に，ペルソナ駆動型データ合成手法を用いて，疑似データの多様性の実現を目的とした．具体的には，LLMでペルソナを作成し，そのペルソナを用いて生成した疑似データを追加してモデルの学習を行った．実験では，意見抽出タスクにおいて，ペルソナ駆動型データ合成手法により生成した疑似データの追加がモデルの性能に与える影響を評価した．