多言語トランスフォーマーモデルを用いたカザフ語テキストから手話グロスへの自動変換
Automatic transformation of Kazakh text into sign language glosses using multilingual transformer-based models
本研究では、低リソースな膠着語であるカザフ語の形態論的構造を維持することに重点を置き、多言語トランスフォーマーベースモデルを用いてカザフ語テキストから手話グロスへの自動変換(Text-to-Gloss)を調査した。カザフ手話の高精度な中間表現の不足を考慮し、教育資料から収集した11,190件のユニークなテキスト−グロスペアからなる専門データセットを用いてコーパス形成方法論を開発した。低リソース制約下での転移学習の効果を評価するため、mT5-smallおよびmT5-baseモデルをこのデータセットでファインチューニングした。実験結果によると、mT5-baseアーキテクチャはすべての指標で小さいモデルを常に上回り、BLEUで2.61ポイント(87.51 → 90.12)、ROUGE-1 F1で2.47ポイント(89.61% → 92.08%)、正確一致(74.96% → 80.68%)およびchrF(91.6 → 94.1)でも改善を達成した。統計的有意性検定(p < 0.001)により、この改善の安定性が確認された。エラー分析では、モデル容量が大きいほど形態論的処理とトークンカバレッジが向上し、膠着語にとって重要であることが明らかになった。これらの結果は、事前学習済みの多言語モデルが転移学習を通じて低リソースの膠着語に対するTTG変換に効果的に対応できることを示しており、カザフ手話支援システムや教育への応用が期待される。
- mT5-baseモデルがカザフ語テキストから手話グロスへの変換でBLEU 90.12、正確一致80.68%を達成し、低リソース膠着語に対する多言語トランスフォーマーの有効性を示した
- カザフ手話の中間表現用に11,190件のテキスト−グロスペアからなる専門データセットを構築した
低リソース言語向けの多言語トランスフォーマーモデル(mT5)を活用した手話グロス変換は、AIの応用範囲拡大を示す研究だが、投資判断に直結する具体的な商用化・事業化の動きは確認できない。AI分野の基礎研究として注視に値するが、投資家視点では現時点での直接的な投資インパクトは限定的。