RUMLEM：ロマンシュ語のための辞書ベースのレマタイザ

要旨: レマタイゼーション（語の屈折形を辞書形に写像する課題）は、多くのNLPアプリケーションの重要な構成要素である。本論文では、ロマンシュ語の主要な5つの変種と、超地域的な標準変種であるルマンチュ・グリシウン（Rumantsch Grischun）をカバーするレマタイザ RUMLEM を提示する。RUMLEM は、ロマンシュ語向けの包括的でコミュニティ主導の形態論的データベースに基づいており、その結果、典型的なロマンシュ語テキスト中の語の 77-84% をカバーすることが可能になる。ロマンシュ語の各変種ごとに専用のデータベースがあるため、RUMLEM の追加の応用として、変種を意識した言語分類（variety-aware language classification）が挙げられる。長さの異なるロマンシュ語テキスト 30,000 件での評価では、RUMLEM が 95% のケースで変種を正しく識別することが示される。さらに、概念実証により、レマタイザに基づくロマンシュ語と非ロマンシュ語の言語分類の実現可能性が示される。