論文の概要: From Traditional Taggers to LLMs: A Comparative Study of POS Tagging for Medieval Romance Languages
- arxiv url: http://arxiv.org/abs/2605.09147v1
- Date: Sat, 09 May 2026 20:15:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.087069
- Title: From Traditional Taggers to LLMs: A Comparative Study of POS Tagging for Medieval Romance Languages
- Title（参考訳）: 伝統的なタガーからLLMへ:中世ロマンス語におけるPOSタグの比較研究
- Abstract要約: 中世ロマンス語に対する部分音声(POS)タグ付けは、正書法の変化、形態的複雑さ、限られた注釈付きリソースのために依然として困難である。
本稿では,中世オクシタン,中世カタルーニャ,中世フレンチの3品種にわたるPOSタグ付けのための大規模言語モデル(LLM)の体系的実証評価について述べる。
- 参考スコア（独自算出の注目度）: 0.5070542698701158
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Part-of-speech (POS) tagging for Medieval Romance languages remains challenging due to orthographic variation, morphological complexity, and limited annotated resources. This paper presents a systematic empirical evaluation of large language models (LLMs) for POS tagging across three medieval varieties: Medieval Occitan, Medieval Catalan, and Medieval French. We compare traditional rule-based and statistical taggers with modern open-source LLMs under zero-shot prompting, few-shot prompting, monolingual fine-tuning, and cross-lingual transfer learning settings. Experiments on historically grounded datasets show that LLM-based approaches consistently outperform traditional taggers, with fine-tuning and multilingual training yielding the largest improvements. In particular, cross-lingual transfer learning substantially benefits under-resourced varieties, while targeted bilingual training can outperform broader multilingual configurations for specific target languages. The results highlight the importance of linguistic proximity and dataset characteristics when designing transfer strategies for historical NLP. These findings provide empirical insights into the applicability of modern neural methods to medieval text processing and provide practical guidance for deploying LLM-based POS tagging pipelines in digital humanities research. All code, models, and processed datasets are released for reproducibility.
- Abstract（参考訳）: 中世ロマンス語に対する部分音声(POS)タグ付けは、正書法の変化、形態的複雑さ、限られた注釈付きリソースのために依然として困難である。
本稿では,中世オクシタン,中世カタルーニャ,中世フレンチの3品種にわたるPOSタグ付けのための大規模言語モデル(LLM)の体系的実証評価について述べる。
従来のルールベースのタグと統計タグを、ゼロショットプロンプト、少数ショットプロンプト、モノリンガル微調整、言語間移動学習設定の下で、現代のオープンソースLLMと比較する。
歴史的根拠のあるデータセットの実験では、LLMベースのアプローチが従来のタグよりも一貫して優れており、微調整と多言語トレーニングが最大の改善をもたらすことが示されている。
特に、言語間変換学習は、リソース不足の品種に実質的な恩恵を与える一方、ターゲットとしたバイリンガルトレーニングは、特定のターゲット言語に対してより広範な多言語構成を上回る可能性がある。
その結果,歴史的NLPの転送戦略を設計する際には,言語的近接性やデータセットの特徴の重要性が強調された。
これらの知見は、現代のニューラルメソッドが中世のテキスト処理に適用可能であることに関する実証的な洞察を与え、デジタル人文科学研究にLLMベースのPOSタグパイプラインを配置するための実践的なガイダンスを提供する。
すべてのコード、モデル、および処理されたデータセットは再現性のためにリリースされている。
関連論文リスト
- Leveraging Routing Dynamics in Mixture-of-Experts Models for Efficient Language Adaptation [50.731838216268706]
多言語コーパス上での英語中心のMoEモデルの継続事前学習における多言語ルーティングのダイナミクスについて検討する。
連続的な多言語事前学習は、初期層と中層に拡散し、言語に依存しないルーティングをもたらす。
最終MoE層における言語固有の専門家と共有専門家を更新するパラメータ効率適応戦略を提案する。
論文 参考訳（メタデータ） (2026-05-28T10:12:41Z) - Unveiling Factors for Enhanced POS Tagging: A Study of Low-Resource Medieval Romance Languages [0.18846515534317265]
Part-of-speech (POS) タグは、自然言語処理パイプラインの基本コンポーネントである。
本研究は,中世オクシタン,中世スペイン語,中世フランス語の多種多様なコーパスにおけるPOSタグ付け性能の中央決定要因を体系的に検討した。
論文 参考訳（メタデータ） (2025-06-21T13:33:07Z) - Judging Quality Across Languages: A Multilingual Approach to Pretraining Data Filtering with Language Models [52.22235443948351]
大規模言語モデル(LLM)を効果的に事前学習するためには,高品質な多言語学習データが不可欠である
本稿では,多言語多言語データを大規模に効率的にキュレートする体系的アプローチであるJQLを紹介する。
JQLは、LLMのアノテーション機能を、事前トレーニングされた多言語埋め込みに基づいて軽量アノテータに蒸留する。
論文 参考訳（メタデータ） (2025-05-28T11:06:54Z) - Modern Models, Medieval Texts: A POS Tagging Study of Old Occitan [0.1979158763744267]
大規模言語モデル (LLM) は自然言語処理において顕著な能力を示した。
本研究では,古オクシタンのPOSタグ付けにおけるオープンソースのLDMの性能について検討した。
論文 参考訳（メタデータ） (2025-03-10T20:16:01Z) - P-MMEval: A Parallel Multilingual Multitask Benchmark for Consistent Evaluation of LLMs [84.24644520272835]
本稿では,P-MMEvalを提案する。P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P-MMEval,P -M
P-MMEvalは、さまざまなデータセットにわたって一貫した言語カバレッジを提供し、並列サンプルを提供する。
我々は、モデルとタスク間の性能を比較するために、代表的多言語モデル系列に関する広範な実験を行う。
論文 参考訳（メタデータ） (2024-11-14T01:29:36Z) - Trans-Tokenization and Cross-lingual Vocabulary Transfers: Language Adaptation of LLMs for Low-Resource NLP [13.662528492286528]
本稿では,この課題に対処し,より効率的な言語適応を実現するために,新たな言語間語彙移動戦略であるトランストークン化を提案する。
提案手法は,ソースコードからの意味論的に類似したトークン埋め込みの重み付け平均を用いて,ターゲット言語のトークン埋め込みを初期化することにより,高リソースのモノリンガルLLMを未知のターゲット言語に適応することに焦点を当てる。
複数のスワップ可能な言語モデリングヘッドと埋め込みテーブルを備えたモデルであるHydra LLMを導入し、トランストークン化戦略の能力をさらに拡張した。
論文 参考訳（メタデータ） (2024-08-08T08:37:28Z) - Cross-lingual Text Classification Transfer: The Case of Ukrainian [11.508759658889382]
ウクライナ語は、言語間の方法論の継続的な洗練の恩恵を受けることができる言語である。
我々の知る限り、典型的なテキスト分類タスクにはウクライナのコーパスが欠如している。
本研究では,NLPの最先端技術を活用し,言語間知識伝達手法を探索する。
論文 参考訳（メタデータ） (2024-04-02T15:37:09Z) - Romanization-based Large-scale Adaptation of Multilingual Language
Models [124.57923286144515]
大規模多言語事前学習言語モデル (mPLMs) は,NLPにおける多言語間移動のデファクトステートとなっている。
我々は、mPLMをローマン化および非ロマン化した14の低リソース言語コーパスに適用するためのデータとパラメータ効率の戦略を多数検討し、比較した。
以上の結果から, UROMAN をベースとしたトランスリテラルは,多くの言語で高い性能を達成できることがわかった。
論文 参考訳（メタデータ） (2023-04-18T09:58:34Z) - A Multi-level Supervised Contrastive Learning Framework for Low-Resource
Natural Language Inference [54.678516076366506]
自然言語推論(NLI)は、自然言語理解において、ますます重要な課題である。
本稿では,低リソースな自然言語推論のためのマルチSCLという,マルチレベルの教師付きコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-31T05:54:18Z) - UNKs Everywhere: Adapting Multilingual Language Models to New Scripts [103.79021395138423]
マルチリンガルBERT(mBERT)やXLM-Rのような多言語言語モデルは、様々なNLPタスクに対して最先端の言語間転送性能を提供する。
キャパシティの制限と事前トレーニングデータの大きな差のため、リソース豊富な言語とリソースを対象とする言語には大きなパフォーマンスギャップがある。
本稿では,事前学習した多言語モデルの低リソース言語や未知のスクリプトへの高速かつ効果的な適応を可能にする新しいデータ効率手法を提案する。
論文 参考訳（メタデータ） (2020-12-31T11:37:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。