発音可能で、類型論的に妥当で、意味的に構造化された人工語彙を構築することは、計算言語学における未解決の課題であり続けている。既存の人工言語生成器は、形式的な音素配列の保証を欠くか、不透明で再現不可能な大規模言語モデルベースのパイプラインに生成を委ねている。こうした問題に対処するため、Sankalp Tattwadarshi Swainらによる研究は、類型論的に制御された語彙生成を目指すモジュール式アーキテクチャを提案している。
このフレームワークの中心設計は、語彙生成を三つの相互に独立したモジュールに分解することである。第一に、音素目録はPHOIBLEデータベースからサンプリングされる。PHOIBLEは世界の言語の音韻体系を収録しており、生成される音素集合に類型論的な根拠を与える。第二に、語形は交換可能な音韻文法の下で生成される。これらの文法には決定論的文法、最適性理論（OT）、最大エントロピー（MaxEnt）モデルが含まれる。このプラグイン可能な設計により、研究者は他のモジュールに影響を与えることなく音韻制約を柔軟に置き換えることができる。
第三に、意味の割り当てはSwadesh–Leipzig–Jakartaオントロジーを通じて行われる。このオントロジーはSwadesh基礎語彙リスト、Leipzig意味注釈フレームワーク、Jakarta意味素性を組み合わせたもので、生成された各語形が特定の意味概念に明確に対応することを保証する。この明示的な形式-意味整合はフレームワークの重要な特徴であり、従来の生成器でしばしば見られた意味の曖昧さを回避する。
評価では、文字n-gramパープレキシティ、対数尤度、およびPHOIBLEとの比較におけるKLダイバージェンスを指標として用い、100から5,000語形までの異なる語彙サイズをテストした。実験結果は、確率論的文法（最適性理論と最大エントロピー）が音素配列の一貫性と類型論的現実性の両方で決定論的ベースラインおよびランダムベースラインを安定して上回ることを示している。これは、確率モデリングの導入がより自然な音素配列を生成するだけでなく、実言語における類型論的分布をよりよく反映できることを意味する。
この研究の意義は、ブラックボックスな大規模言語モデルへの依存がもたらす不確実性と非再現性を回避する、再現可能で解釈可能な代替案を提供することにある。モジュール式設計は将来の拡張も容易であり、例えば異なる音韻理論や意味オントロジーに置き換えることが可能である。著者らは論文をarXivに提出し、PDF、HTML、TeXソースなど複数のアクセス方法を提供している。