2026-04-18T04:35:46Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00241513 2025-01-19T07:38:19Z 6164:6165:6630:11866

GPT系言語モデルによる国語研長単位係り受け解析 Dependency-Parsing using Japanese Causal Language Models 安岡, 孝一 Koichi, Yasuoka 言語処理,品詞付与,依存文法解析,生成言語モデル GPT系言語モデル上の系列ラベリングを用いて，品詞付与・係り受け解析アルゴリズムを開発した．品詞付与においては，系列ラベリングの出力部にBellman-Ford アルゴリズムを適用することで，解析精度を向上させている．係り受け解析においては，右向きリンクは始点から終点への情報の流れに注目し，左向きリンクは逆向き(終点から始点へ) の情報の流れに注目するアルゴリズムを開発した．これらのアルゴリズムを，27 種類のGPT系日本語モデルに適用し，国語研長単位Universal Dependencies による解析精度評価をおこなった． In this paper the author describes how to finetune sequence-labeling for part-of-speech tagging and dependency-parsing, using Japanese causal language models, such as GPT, LLaMA and Qwen. For part-of-speech tagging, we utilize Bellman-Ford algorithm to refine the sequence-labeling. For dependency-parsing, the author has developed an original sequence-labeling algorithm, in which leftward edges are treated reversely. The author investigates efficiency of the algorithms, applying them to twenty-seven Japanese causal language models. 情報処理学会 2024-11-30 jpn conference paper https://ipsj.ixsq.nii.ac.jp/records/241513 じんもんこん2024論文集 2024 83 90 https://ipsj.ixsq.nii.ac.jp/record/241513/files/IPSJ-CH2024012.pdf application/pdf 452.7 kB 2025-12-07