SANDWiCH：コンテキスト特化の語の意味解消のための近傍の意味解析

過去2年間、生成型チャットベースの大規模言語モデル（LLM）の台頭により、人間に近い会話能力および推論体験を提供するシステム開発への競争が加速している。しかし、最近の研究では、こうしたモデルが提供する言語理解能力は依然として限定的であり、特に語の文脈的意味を正しく捉える能力——推論における重要な要素——において、人間の水準にはほど遠いことが示されている。本論文では、多言語語義解釈（Word Sense Disambiguation: WSD）を対象とした、シンプルでありながら計算効率の高いフレームワークを提案する。本手法は、群代数（group algebra）を用いて精緻化されたBabelNetから構築された意味ネットワーク上でのクラスタ識別分析としてWSDタスクを再定式化している。我々のアプローチは、複数のWSDベンチマークにおいて検証され、すべての言語およびタスクにおいて新たな最先端（state-of-the-art）性能を達成した。また、品詞ごとの個別評価においても優れた結果を示した。特に注目すべきは、低リソース言語においても、既存の代替手法を大きく上回る性能を発揮しながら、パラメータ数を72％削減した点である。