Retrieval-augmented generation for exploring historical parliamentary corpora

Zgodovinski parlamentarni zapisniki so dragoceni viri za razumevanje političnih in družbenih procesov preteklosti, vendar je raziskovanje po obsežnih korpusih časovno zahtevno. V diplomski nalogi raziskujemo uporabo s poizvedovanjem obogatenega generiranja (RAG) za iskanje in odgovarjanje na vprašanja nad korpusom zapisnikov kranjskega deželnega zbora (1861–1913) in narodnega predstavništva Kraljevine Jugoslavije (1919–1939). Korpus vsebuje besedila v slovenščini, nemščini, hrvaščini in srbščini. Primerjali smo različne strategije segmentacije besedila, metode vektorskega vstavljanja, tehnike iskanja in generativne modele z odprtimi licencami. Rezultati kažejo, da model qwen3:8b dosega najboljšo kakovost odgovorov tako za slovenska kot angleška vprašanja, medtem ko modeli gemma3:4b in llama3.1:8b ponujajo dobro razmerje med kakovostjo in hitrostjo. Ugotavljamo tudi, da večina modelov bolje podpira angleščino, kar predstavlja izziv pri uporabi RAG za manjše jezike.