Zum Inhalt springen

Nur-Lesen-Fassung: Das Forschungsinformationssystem (FIS) ist aus Sicherheitsgründen vorübergehend durch diese Nur-Lesen-Fassung ersetzt. Alle öffentlichen Inhalte und Volltexte sind weiterhin abrufbar; Anmeldung, Bearbeitung, Einreichung und Statistiken stehen nicht zur Verfügung. Bei Fragen: fis@uni-bamberg.de

Start › Publikationen › Contrasting Traditional Models and LLMs : An Evaluation Based on Text Segmentation

Publikation

Contrasting Traditional Models and LLMs : An Evaluation Based on Text Segmentation

Jegan, Robin; Henrich, Andreas (2026): Contrasting Traditional Models and LLMs : An Evaluation Based on Text Segmentation, in: Bamberg: Otto-Friedrich-Universität, S. 274–281.

Details

Fakultät/Lehrstuhl
Autorin(nen)/Autor(en)
Jegan, Robin
Verlagsangabe
Otto-Friedrich-Universität : Bamberg
Erscheinungsjahr
2026
Quelle/Weitere Ausgabe
Christian Wartena und Ulrich Heid (Hrsg.), Proceedings of the 21st Conference on Natural Language Processing (KONVENS 2025) : Workshops, Hannover: HsH Applied Academics, 2025, S. 274–281
Jahr der Erstpublikation
2025
Sprache(n)
Englisch
Lizenz
URN
Abstract

This paper presents a discussion of the relevancy of older natural language processing approaches compared to modern large language models (LLMs), with experimental results for a specific application: the segmentation of video transcripts. An analysis was conducted, if powerful modern LLMs are necessary for tasks such as text segmentation or if traditional and more efficient models – here TextTiling – suffice. In the end, LLMs provide comparable performance to the other models, but the results produced by TextTiling are promising and suggest a discussion about a trade-off regarding efficiency, performance, energy-consumption and other factors.

Freie Schlagwort(e)
-
Dokumenttyp
Konferenzveröffentlichung
URI
Datum der Freischaltung
31.03.2026

Permalink: https://fis.uni-bamberg.de/handle/uniba/114487 · Daten als JSON · Zitieren: BibTeX · RIS

Datenstand: 15.11.2026

Eingeschränkter Lesezugriff: Anmeldung, Bearbeitung und Einreichung sind vorübergehend deaktiviert.