自然言語処理（NLP）とは？意味・仕組みと原論文・主要モデルの一覧（2026年10月時点）

ひとことで言うと

自然言語処理（NLP、Natural Language Processing）は、日本語や英語のような人間の言語（自然言語）で書かれた文章を、コンピューターで分析したり、つくったりする技術の分野だ。文章の感情の判定、固有名詞の抜き出し、翻訳、要約、質問への回答などが含まれる。

たとえば Google の Cloud Natural Language API は、文章の書き手の態度が肯定か否定か中立かを判定する感情分析や、有名人やランドマークなどの名前を見つける固有表現の分析を提供している。GPT-3 の論文の要旨は、LLM（大規模言語モデル）のような言語モデルを大きくすると、少数の例だけで課題を解く力が大きく上がると報告している。GPT-3 は、翻訳や質問応答など多くの自然言語処理のデータセットで高い成績を出した。

仕組み

1. 文章をトークンに分ける。Google の用語集によると、トークンは単語、1文字、単語の一部（サブワード）のどれかだ。Cloud Natural Language API の構文解析も、文章を文とトークンに分けてから分析する。
2. トークンを数値に置き換える。Google の用語集は、単語を数値の並び（ベクトル）で表す方法をエンベディング（単語の埋め込み）と呼び、意味が近い単語ほど近い値になると説明している。
3. モデルが文脈を読む。Google の用語集によると、Gemini や GPT のような LLM は Transformer という仕組みを使う。Transformer はセルフアテンション（文の中のほかのトークンが、あるトークンの意味にどれだけ関わるかを見る計算）を重ねて文脈をとらえる。
4. 目的に合わせて答えを出す。感情の判定や分類のように決まった答えを返す使い方と、言語モデル（トークンの並びが現れる確率を見積もるモデル）で文章をつくる使い方がある。

Google の用語集によると、自然言語理解（NLU）は自然言語処理の一部で、言われたことや書かれたことの意図を判定する。文脈、皮肉、感情のような複雑な面も扱う。

表で見る最新の状況

上の論文の表は TRAIL が解説している自然言語処理の論文8本を、論文の公開日の古い順に並べたものだ。

2016年6月16日の SQuAD は、Wikipedia の記事から作った10万件超の質問と、本文中の短い答えを集めた。9月26日の Google の GNMT は、8層ずつの LSTM（文を順に読むニューラルネットワーク）、注意機構、WordPiece を組み合わせた翻訳の仕組みだ。2017年6月12日の Transformer の論文は、当時主流だった再帰型や畳み込み型のネットワークを使わず、注意機構だけで翻訳のモデルをつくった。

2018年には、文脈で意味が変わる単語の表現を示した ELMo、九つの課題で英文の理解を測る GLUE、BERT が出た。BERT の論文の要旨によると、BERT は11の自然言語処理の課題で当時の最高の成績を出し、GLUE のスコアを80.5%に上げた。2019年10月23日の T5 は、翻訳、分類、要約、質問応答を、同じ「文章を入れて文章を出す」形式にまとめた。2020年5月28日の GPT-3 の論文は、1,750億パラメーターの言語モデルを、課題ごとの追加学習なしで使えるかを調べた。

TRAIL の論文の表では、課題ごとに追加学習する方法から、1つの言語モデルに文章で課題を示す方法へと移っている。BERT は課題ごとに出力の層を1つ足して追加学習した。GPT-3 の論文の要旨は、それまでの方法では課題ごとに数千から数万件の学習用の例が必要だったと書き、GPT-3 では課題と例を文章で示すだけにした。

上のモデルの表は TRAIL が掲載している主要なモデル22件を、公開日の新しい順に並べたものだ。確認日は2026年10月12日から10月24日。いちばん新しいのは2026年10月13日公開の Google の Gemini 4 Argon で、提供元は8社だ。TRAIL の DB では、入力の種類が登録された19件のうち18件が、文章に加えて画像も受け付ける。文章だけを受け付けるのは DeepSeek-V4-Pro だ。

自然言語処理と LLM、Transformer の違い

Google の用語集は LLM を「少なくともパラメーターがとても多い言語モデル」とし、くだけた意味では Gemini や GPT のような Transformer を使った言語モデルすべてを指すと説明している。一方で、文章を評価するモデルの多くは言語モデルではなく、文章の分類や感情分析のモデルは言語モデルに入らないとも書いている。

仕事でどう関係するか

問い合わせやアンケートを仕分けるとき

問い合わせの仕分けには、感情分析と分類が使える。Cloud Natural Language API は文章の書き手の態度を肯定、否定、中立で判定し、内容のカテゴリも返す。LLM に同じ作業を頼む方法もある。次のように、分類の選択肢を決めて渡す。

次の問い合わせを「料金」「不具合」「使い方」「その他」のどれか1つに分け、書き手の態度を「肯定」「否定」「中立」で判定してください。理由を1文で書いてください。
（ここに問い合わせの文を貼る）

記事や文書から人や場所の名前を抜き出すとき

文章に出てくる人や場所を一覧にしたいときは、固有表現の分析を使う。Cloud Natural Language API の固有表現の分析は、有名人やランドマークのような固有名詞に加え、レストランや競技場のような一般名詞も見つけて、その情報を返す。

翻訳や要約を任せるとき

Google の用語集は機械翻訳を、ある人間の言語の文章を別の人間の言語に変えることと定義している。T5 は、翻訳と要約を同じ「文章を入れて文章を出す」形式で扱った。翻訳のツールの選び方はAI翻訳のページにまとめている。

注意点と限界

• BERT や GLUE の成績は、英語の課題で測ったものだ。TRAIL の論文の解説は、英語のベンチマークの値を日本語の業務の品質に読み替えないよう注意している。
• GPT-3 の論文の要旨は、少数の例を示す使い方でもうまくいかないデータセットがあったと書いている。
• Google は、LLM はハルシネーション（事実と違う内容を答えること）を起こし、予測に誤りが含まれることが多いと説明している。

よくある質問

関連する用語

• LLM（大規模言語モデル）：パラメーターがとても多い言語モデル
• Transformer：Gemini や GPT のような LLM が使う、文脈をとらえる仕組み
• エンベディング：単語や文を数値のベクトルで表す方法
• AI翻訳：機械翻訳を使うツール
• ハルシネーション：LLM が事実と違う内容を答えること
• モデルの一覧とAPI料金の比較