LLM・RAGによる消滅危機言語ニューラル機械翻訳の試み

要旨

<p>本研究では，系統の異なる4つの消滅危機言語である，コプト語[cop]（アフロ・アジア語族エジプト語派），北琉球与論語[yox]（日琉語族琉球語派），タロコ語[trv]（オーストロネシア語族フォルモサ諸語），アイヌ語[ain]（孤立言語）を対象に機械翻訳を試みる．コプト語と与論語にはRAG（検索拡張生成）を統合したシステムを，アイヌ語にはファインチューニングによるNMT（ニューラル機械翻訳）システムを構築し，タロコ語については開発中のシステムに資する，利用可能な言語資源の調査を行った．翻訳品質はBLEU，METEOR，chrF，TER，ROUGE-Lの各指標で評価した．コプト語・与論語ではRAGによりベースLLM（大規模言語モデル）に対し，BLEUがそれぞれ9.2ポイント，9.9ポイント向上し，アイヌ語ではコーパスに基づくファインチューニングによりSacreBLEU 32.90（日本語→アイヌ語）を達成した．デジタル言語資源の量と翻訳品質の関係を分析した結果，資源の量のみならず，資源の構造化の程度および類型的距離がNMTの性能に影響することが明らかになった．</p>

主題