論文の概要: QuanLing: Cross-Branch Validation of Language Distance Quantification on Western Romance
- arxiv url: http://arxiv.org/abs/2610.08851v1
- Date: Sat, 03 Oct 2026 03:11:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.515113
- Title: QuanLing: Cross-Branch Validation of Language Distance Quantification on Western Romance
- Title（参考訳）: QuanLing: 西洋ロマンスにおける言語距離定量化のクロスブランチ検証
- Abstract要約: 本稿では,クァンリングを西ロマンス(フランス語,ポルトガル語,スペイン語,イタリア語)に拡張する。
我々は,LaBSE文の埋め込み距離,4つの単言語BERTトークン化器からのトークン化フラグメンテーション率,mBERTマスマスキング言語モデルの相互信頼度を計算した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantifying language distance among closely related languages remains a core challenge in quantitative linguistics. Our previous work [1] introduced QuanLing (Quantitative Linguistics via Pretrained Language Models), a quantitative framework combining language distance metrics (sentence embedding distance, tokenization fragmentation rate) with language property analysis (MLM prediction probability), validated on North Germanic (Danish, Norwegian Bokmål, Swedish). This paper extends QuanLing to Western Romance--French, Portuguese, Spanish, Italian--testing cross-branch applicability with the same metric family and aggregation protocol as our North Germanic study, adapted for four languages (English anchor, quadruplet construction). Using 150 four-language parallel sentences, we compute LaBSE sentence embedding distances, tokenization fragmentation rates from four monolingual BERT tokenizers, and mBERT masked language model mutual intelligibility. Results show that Portuguese--Spanish are closest (LaBSE distance 0.0229), French--Italian most distant (0.0338); LaBSE and mBERT rankings agree on 4 of 6 pairs, confirming cross-model robustness. Western Romance shows a wider absolute distance span than North Germanic (0.011 vs. 0.008) but comparable relative ratios (1.48 vs. 1.67), consistent with longer divergence time. French exhibits notably higher MLM predictability (36.12% top-1 accuracy vs. 29.28% for Italian), reflecting its orthography--phonology decoupling. This cross-branch validation provides further evidence for QuanLing's generalizability beyond a single language branch.
- Abstract（参考訳）: 近縁言語間の言語距離の定量化は、量的言語学における中核的な課題である。
我々の以前の研究[1]は、言語距離測定(センテンス埋め込み距離、トークン化フラグメンテーション率)と言語特性分析(MLM予測確率)を組み合わせた定量的なフレームワークであるQuanLing(事前訓練言語モデルによる量子言語学)を導入し、北ゲルマン語(デンマーク語、ノルウェー語、ボクソール語、スウェーデン語)で検証した。
本論文は、クァンリングを西ロマンス(フランス語、ポルトガル語、スペイン語、イタリア語)に拡張し、我々の北ゲルマン語研究と同じ計量系と集約プロトコルを用いて、四言語(英語アンカー、四重組構成)で適用した。
150の4言語並列文を用いて,LaBSE文の埋め込み距離,4つの単言語BERTトークン化器からのトークン化フラグメンテーション率,mBERTマスキング言語モデル間の相互信頼度を計算した。
その結果、ポルトガル系スペイン人が最も近い(LaBSE距離0.0229)、フランス系イタリア人が最も遠い(0.0338)、LaBSEとmBERTのランキングは6組中4組で一致し、クロスモデルロバスト性を確認した。
西ロマンスは北ゲルマン語 (0.011 vs. 0.008) よりも広い絶対距離を示すが、相対比 (1.48 vs. 1.67) はより長い発散時間と一致する。
フランスではMLMの予測可能性(トップ1の精度36.12%、イタリア語29.28%)が顕著に高く、正書法と音韻の分離を反映している。
このクロスブランチ検証は、QuanLingが単一の言語ブランチを超えて一般化可能であることのさらなる証拠を提供する。
関連論文リスト
- Quantitative Measurement of Language Distance among Closely Related Indo-European Languages Using Pretrained Language Models: A Case Study on the North Germanic Branch [0.0]
本稿では,デンマーク語,ノルウェー語(Bokml),スウェーデン語(Bokml)の3つの北ゲルマン語に焦点を当て,事前訓練された言語モデルに基づく3次元定量的フレームワークを提案する。
タトエバコーパスから得られた150個の3言語並列文三重項を対照試料として, 2つの独立モデルにおける一貫した距離ランキングを得た。
論文 参考訳（メタデータ） (2026-09-28T02:32:33Z) - Culturally-Adapted Red-Teaming Across East and Southeast Asian Contexts: A Methodological and Comparative Analysis [2.8523456804049885]
我々は,4言語で1:1のシードマッチングを用いて,DTと文化的適応データセットのペアを構築した。
攻撃成功率(ASR)と文化リアリズムのスコアを4つのオープンソース安全評価と比較した。
論文 参考訳（メタデータ） (2026-06-08T08:17:18Z) - Subword-Based Comparative Linguistics across 242 Languages Using Wikipedia Glottosets [0.1682277069379282]
サブワードに基づく手法を用いて,242のラテン文字言語とキリル文字言語の大規模比較研究を行った。
提案手法では,ウィキペディアのランクに基づく単語ベクトルを用いて語彙,語彙の発散,言語的類似度を大規模に解析する。
論文 参考訳（メタデータ） (2026-01-26T18:55:28Z) - Can Embedding Similarity Predict Cross-Lingual Transfer? A Systematic Study on African Languages [12.074798555934855]
低リソースのアフリカ言語のためのNLPシステムを構築するためには、言語間移動が不可欠である。
816回の移動実験において,5つの埋め込み類似度指標を系統的に評価した。
その結果,コサインギャップと検索に基づく指標が転送成功を確実に予測できることが判明した。
論文 参考訳（メタデータ） (2026-01-06T16:39:28Z) - Cross-Lingual Pitfalls: Automatic Probing Cross-Lingual Weakness of Multilingual Large Language Models [55.14276067678253]
本稿では,Large Language Models (LLMs) における言語間関係の弱点を効率的に同定するための新しい手法を提案する。
この手法を用いて16言語で6,000以上のバイリンガルペアからなる新しいデータセットを構築し、最先端のモデルにおいても弱点を明らかにする効果を実証した。
さらに,言語的類似性と言語間の弱点との関係について検討し,言語的関連言語が類似した演奏パターンを共有することを明らかにした。
論文 参考訳（メタデータ） (2025-05-24T12:31:27Z) - Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
論文 参考訳（メタデータ） (2023-10-23T17:42:01Z) - A Massively Multilingual Analysis of Cross-linguality in Shared
Embedding Space [61.18554842370824]
言語間モデルでは、多くの異なる言語に対する表現は同じ空間に存在している。
我々は,bitext検索性能の形式で,言語間アライメントのタスクベース尺度を計算した。
我々はこれらのアライメント指標の潜在的な予測因子として言語的、準言語的、および訓練関連の特徴について検討する。
論文 参考訳（メタデータ） (2021-09-13T21:05:37Z) - AmericasNLI: Evaluating Zero-shot Natural Language Understanding of
Pretrained Multilingual Models in Truly Low-resource Languages [75.08199398141744]
我々は、XNLI(Conneau et al)の拡張である AmericasNLI を提示する。
は、アメリカ大陸の10の原住民の言語である。
XLM-Rで実験を行い、複数のゼロショットおよび翻訳ベースのアプローチをテストします。
XLM-Rのゼロショット性能は全10言語で低調であり、平均性能は38.62%である。
論文 参考訳（メタデータ） (2021-04-18T05:32:28Z) - Inducing Language-Agnostic Multilingual Representations [61.97381112847459]
言語間の表現は、世界中のほとんどの言語でNLP技術が利用可能になる可能性がある。
i) 対象言語のベクトル空間をピボットソース言語に再配置すること、(ii) 言語固有の手段と分散を取り除くこと、(ii) 副産物としての埋め込みの識別性を向上すること、(iii) 形態的制約や文の並べ替えを除去することによって言語間の入力類似性を高めること、の3つのアプローチを検討する。
論文 参考訳（メタデータ） (2020-08-20T17:58:56Z) - Knowledge Distillation for Multilingual Unsupervised Neural Machine
Translation [61.88012735215636]
unsupervised neural machine translation (UNMT) は、最近、いくつかの言語対に対して顕著な結果を得た。
UNMTは単一の言語ペア間でのみ翻訳することができ、同時に複数の言語ペアに対して翻訳結果を生成することはできない。
本稿では,1つのエンコーダと1つのデコーダを用いて13言語間を翻訳する簡単な手法を実証的に紹介する。
論文 参考訳（メタデータ） (2020-04-21T17:26:16Z)
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。