大規模言語モデルを用いたアラビア語の形態統語タグ付けと依存構文解析

概要: 大規模言語モデル（LLMs）は多くのNLPタスクで高い性能を発揮するものの、明示的な言語構造を生成する能力には依然として不明確である。標準アラビア語を対象とした2つの構造化予測タスクで、指示調整済みLLMsを評価する。タスクは形態統語的タグ付けとラベル付き依存構文解析である。アラビア語は豊かな形態学と正字法上の曖昧さのため、強い形態-統語相互作用を生み出す挑戦的なテストベッドを提供する。ゼロショットプロンプト設計と、アラビア語ツリーバンクの例を用いた検索ベースのインコンテキスト学習（ICL）を比較する。結果は、プロンプト設計とデモンストレーションの選択が性能に強く影響することを示す。独自モデルは特徴レベルのタグ付けで監視付き基準に近づき、専門的な依存パーサと競争力を持つ。生のテキスト環境では、トークン化は依然として難しいが、検索ベースのICLは解析とトークン化の両方を改善する。我々の分析は、アラビア語の形態統語と統語のどの側面をLLMsが信頼性高く捉え、どの側面が依然として困難かを浮き彫りにする。