Low-resource historical named entity recognition in the era of large language models

Šmajdek, Uroš (avtor), Munda, Tina (avtor), Marolt, Matija (avtor)

We present a comparative evaluation of encoder-based and generative approaches for named entity recognition (NER) on historical Slovene parliamentary records. Using a manually annotated subset of the Carniolan Provincial Assembly Corpus Kranjska 1.0, we evaluate a range of locally deployable open-weight models within a unified multishot prompting framework. Our experiments compare traditional supervised encoderbased systems with modern instruction-tuned generative models across both strict and fuzzy evaluation settings. The results show that larger generative models achieve the best overall performance and demonstrate strong multilingual transfer capabilities, while smaller encoder-based systems remain highly competitive in terms of efficiency, inference speed, and person recognition accuracy. However, all models struggle with the extraction of more ambiguous entity types in historical texts, such as locations and organizations.

• Jezik: Angleški jezik
• Ključne besede: digital humanities, historical documents, named entity recognition, large language models
• Vrsta gradiva: Drugo
• Tipologija: 1.08 - Objavljeni znanstveni prispevek na konferenci
• Organizacija: FRI - Fakulteta za računalništvo in informatiko
• Status publikacije: Objavljeno
• Različica publikacije: Objavljena publikacija
• Leto izida: 2026
• Št. strani: Str. 443-462
• PID: 20.500.12556/RUL-189467
• UDK: 004.8:81'33:930.2
• COBISS.SI-ID: 293950979
• Datum objave v RUL: 07.10.2026

Gradivo je del monografije

• Naslov: Zbornik konference Jezikovne tehnologije in digitalna humanistika : 17.-18. september 2026, Ljubljana, Slovenija
• Uredniki: Špela Arhar Holdt, Vojko Gorjanc, Tomaž Erjavec
• Kraj izida: Ljubljana
• Založnik: Inštitut za novejšo zgodovino, = Institute of Contemporary History
• Leto izida: 2026
• ISBN: 978-961-7104-56-1
• COBISS.SI-ID: 292667395

Licence

• Licenca: CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna
• Povezava: http://creativecommons.org/licenses/by-sa/4.0/deed.sl
• Opis: Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.

Sekundarni jezik

• Jezik: Slovenski jezik
• Naslov: Prepoznavanje zgodovinskih imenskih entitet v jezikih z omejenimi viri v dobi velikih jezikovnih modelov
• Ključne besede: digitalna humanistika, zgodovinski dokumenti, prepoznavanje imenskih entitet, veliki jezikovni modeli

Projekti

• Financer: ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
• Številka projekta: P6-0436-2022
• Naslov: Digitalna humanistika: viri, orodja in metode

• Financer: ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
• Številka projekta: GC-0002-2024
• Naslov: Veliki jezikovni modeli za digitalno humanistiko