Este estudio investiga cómo los metadatos temporales pueden incrustarse estructuralmente en modelos de Reconocimiento de Entidades Nombradas (NER) para abordar el desafío del desplazamiento de entidades en textos históricos. Los autores evalúan sistemáticamente estrategias de fusión ligeras, incluyendo atención cruzada, adaptadores y concatenación, dentro de arquitecturas basadas en Transformers.
- Los experimentos utilizan representaciones temporales absolutas y relativas inyectadas mediante mecanismos de fusión temprana o tardía.
- Las evaluaciones se realizan en conjuntos de datos históricos franceses y alemanes.
- Las estrategias de fusión tardía demuestran un rendimiento más robusto y generalizable temporalmente, particularmente en períodos iniciales y ruidosos.
Los hallazgos sugieren que incrustaciones estructurales específicas de información temporal mejoran significativamente la capacidad de los modelos de lenguaje para razonar sobre contextos diacrónicos.