人工知能と自然言語処理の最前線において、関係抽出は常に研究のホットトピックである。最近、HIPE-2026共有タスクが新たな挑戦を導入した：多言語の歴史新聞からの人物-場所関係抽出である。このタスクは、英語、フランス語、ドイツ語の3言語において、事前にアノテーションされた人物と場所の言及間の「at」および「isAt」関係を分類することを要求する。歴史アーカイブを大規模に処理するコストを考慮し、DS@GT HIPEチーム（公式結果ではチーム2）は、関係分類段階で事前学習言語モデルを一切使用せずに、軽量で解釈可能なシステムがどこまで性能を発揮できるかを調査した。
チームの手法は、まず依存関係解析から文書レベルのグラフを構築し、次に各エンティティペアに対して近接性と品詞に基づく特徴を抽出する。分類には小型のscikit-learnアンサンブルまたはコンパクトなグラフ注意ネットワーク（GAT）を使用し、提出されたすべての実行はパラメータ数847K未満に抑えられた。公式テストセット（Test A、新聞テストセット）において、最良の実行はマクロ再現率0.5142を達成し、17の参加チーム中、効率性で3位、精度で中位にランクインした。
研究から2つの顕著な知見が得られた。第一に、最小文字距離だけで分類信号の大部分を捉えることができ、追加の工学的特徴は一貫性のない向上をもたらし、時には性能を低下させることである。これは、引数距離が関係抽出を支配するという先行研究の証拠を裏付ける。第二に、このコーパスでは文書グループ化交差検証が不可欠である。ペアレベルの分割では、エンティティ言及が文書間で繰り返し出現するため、スコアが25〜37パーセントポイント膨らむ。グループ化交差検証はこのデータ漏洩効果を除去する。
この研究は、大規模な事前学習モデルがなくても、巧妙に設計された特徴と軽量モデルによって特定タスクで競争力のある結果が得られることを示しており、リソース制約のある歴史アーカイブ処理に実用的な解決策を提供する。関連論文はCLEF 2026 HIPE共有タスクに採択され、CEUR Workshop Proceedingsに掲載予定である。論文は19ページ、4つの図を含み、Mlen-Too Wesleyらによって執筆され、2026年7月22日にarXivプレプリントリポジトリに提出された。研究チームはDS@GTラボに所属し、その成果は軽量システムの可能性を示すだけでなく、デジタル・ヒューマニティーズにおけるテキストマイニングの新たな方向性を提供する。将来的には、特徴選択のさらなる最適化や、より多くの言語と関係タイプへの拡張が計画されている。