LLM & NLP in der Klassischen Philologie: Digitale Literaturwissenschaft für alle?. Beyer, A. & Schulz, K. January, 2025.
LLM & NLP in der Klassischen Philologie: Digitale Literaturwissenschaft für alle? [link]Paper  doi  abstract   bibtex   1 download  
Die Präsentation "LLM & NLP in der Klassischen Philologie: Digitale Literaturwissenschaft für alle?" beleuchtet den Einsatz von Natural Language Processing (NLP) und Large Language Models (LLMs) in der Analyse antiker Texte, mit besonderem Fokus auf Sallusts Monographien Bellum Catilinae und Bellum Iugurthinum. Im Zentrum steht die Frage nach den emotionalen Nuancen der Protagonisten Catilina und Iugurtha, die durch Sentiment-Analysen untersucht werden. Durch die Kombination moderner NLP-Methoden und spezialisierter LLMs wie GPT-4 und Gemini-1.5-Pro wird eine Polaritätsbewertung der Texte vorgenommen. Neben der Vorstellung lexikonbasierter Ansätze und Limitierungen wird die Entwicklung spezifischer Prompting-Strategien für LLMs diskutiert. Methodische Herausforderungen wie geringe Sentiment-Quote und Unterschiede in der Modellarchitektur werden thematisiert, ebenso wie Chancen durch Multimodalität und datenbasierte Erweiterungen. Die Ergebnisse liefern Einblicke in die emotionale Charakterisierung und eröffnen neue Perspektiven für die digitale Literaturwissenschaft. Abschließend wird die Zukunft digitaler Methoden in den Geisteswissenschaften erörtert, einschließlich der Bedeutung interdisziplinärer Zusammenarbeit und der Nutzung von Retrieval-Augmented Generation (RAG) sowie Low-Rank Adaptation (LoRA) für historische Sprachen.
@misc{beyer_llm_2025,
	title = {{LLM} \& {NLP} in der {Klassischen} {Philologie}: {Digitale} {Literaturwissenschaft} für alle?},
	shorttitle = {{LLM} \& {NLP} in der {Klassischen} {Philologie}},
	url = {https://zenodo.org/records/14679224},
	abstract = {Die Präsentation "LLM \& NLP in der Klassischen Philologie: Digitale Literaturwissenschaft für alle?" beleuchtet den Einsatz von Natural Language Processing (NLP) und Large Language Models (LLMs) in der Analyse antiker Texte, mit besonderem Fokus auf Sallusts Monographien Bellum Catilinae und Bellum Iugurthinum. Im Zentrum steht die Frage nach den emotionalen Nuancen der Protagonisten Catilina und Iugurtha, die durch Sentiment-Analysen untersucht werden.

Durch die Kombination moderner NLP-Methoden und spezialisierter LLMs wie GPT-4 und Gemini-1.5-Pro wird eine Polaritätsbewertung der Texte vorgenommen. Neben der Vorstellung lexikonbasierter Ansätze und Limitierungen wird die Entwicklung spezifischer Prompting-Strategien für LLMs diskutiert. Methodische Herausforderungen wie geringe Sentiment-Quote und Unterschiede in der Modellarchitektur werden thematisiert, ebenso wie Chancen durch Multimodalität und datenbasierte Erweiterungen.

Die Ergebnisse liefern Einblicke in die emotionale Charakterisierung und eröffnen neue Perspektiven für die digitale Literaturwissenschaft. Abschließend wird die Zukunft digitaler Methoden in den Geisteswissenschaften erörtert, einschließlich der Bedeutung interdisziplinärer Zusammenarbeit und der Nutzung von Retrieval-Augmented Generation (RAG) sowie Low-Rank Adaptation (LoRA) für historische Sprachen.},
	language = {deu},
	urldate = {2025-01-22},
	author = {Beyer, Andrea and Schulz, Konstantin},
	month = jan,
	year = {2025},
	doi = {10.5281/zenodo.14679224},
	keywords = {Artificial Intelligence, Artificial intelligence, Classics, Languages and literature, Latin, Literature, Literature studies, Literature study, Natural Language Processing, Natural language processing},
}

Downloads: 1