セッションベースの推薦は、匿名のセッション内におけるユーザーの歴史的行動に基づいて、次の行動を予測することを目的としている。より優れた推薦を実現するためには、ユーザーの嗜好を捉えるとともに、その動的変化を適切にモデル化することが不可欠である。さらに、ユーザーの嗜好は時間とともに動的に変化し、各嗜好には独自の変化経路が存在する。しかし、従来の多くの研究では、嗜好の変化傾向を無視しており、嗜好のずれ（preference drifting）の影響を受けやすくなっている。本研究では、過去のコンテキストから二段階のリトリーブにより嗜好の進化過程をモデル化する新しい手法、Preference Evolution Networks for session-based Recommendation（PEN4Rec）を提案する。具体的には、第一段階では、最近のアイテムに応じて関連する行動を統合する。第二段階では、時間に応じた動的な嗜好進化軌道をモデル化し、豊かな嗜好を推論する。このプロセスにより、嗜好進化過程における関連する順序付き行動の影響を強化するとともに、嗜好のずれによる干渉を軽減することができる。3つの公開データセットを用いた広範な実験により、提案手法の有効性と優位性が実証された。