Digitala Vetenskapliga Arkivet

Driftstörningar
Det förekommer återkommande driftstörningar på några av sök-portalerna på grund av hög belastning. Vi arbetar på att lösa problemet, ni kan tillfälligt mötas av ett felmeddelande.
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Searching Like A Historian: Unsupervised Domain Adaptation of BGE-M3 for Historical Swedish Archival Retrieval
Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Språkvetenskapliga fakulteten, Institutionen för lingvistik och filologi. Swedish National Archives.
2026 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

Historical archives contain rich records of legaland administrative life, but semantic search over these collections remains difficult: keyword search fails when historical vocabulary differs from modern queries, and no labeled training data exists for supervised approaches. We address this challenge in the context of 19th-century Swedish archival documents from the Swedish National Archives, where HTR transcription noise and centuries of linguistic drift compound the difficulty further.

The key contribution is an N-to-N synthetic querygeneration strategy, designed around the insightthat queries should reflect how historians actually search: blind searches that span multiple related records, not paraphrases of individual documents. Combined with LoRA fine-tuning and cumulative domain expansion across four document types, the approach achieves consistent improvements acrossall evaluation sets. The results suggest that effective domain adaptation is achievable for this challenging historical retrieval setting, and that data strategy is the critical determinant of success.

Ort, förlag, år, upplaga, sidor
2026. , s. 49
Nyckelord [en]
Information retrieval, Dense Retrieval, Unsupervised Domain Adaptation, Fine-tuning, LoRA, Synthetic Query Generation, Historical Swedish
Nationell ämneskategori
Teknik
Identifikatorer
URN: urn:nbn:se:uu:diva-594832OAI: oai:DiVA.org:uu-594832DiVA, id: diva2:2089271
Externt samarbete
Swedish National Archives
Utbildningsprogram
Masterprogram i språkteknologi
Presentation
2026-06-04, 16-0054, Thunbergsvägen 3H, Uppsala, 11:15 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2026-08-03 Skapad: 2026-08-02 Senast uppdaterad: 2026-08-03Bibliografiskt granskad

Open Access i DiVA

Searching Like A Historian: Unsupervised Domain Adaptation of BGE-M3 for Historical Swedish Archival Retrieval(7075 kB)46 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 7075 kBChecksumma SHA-512
a1ab0f002678110af60d4f50755f725112f14507678021d432aefadb7733ad5f690e746128789a5be90c77fd9033c037103726e1dc0d4b491b5f2a14d4ce0ea0
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Luo, Xiaotian
Av organisationen
Institutionen för lingvistik och filologi
Teknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1727 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf