Thematic Structuring for LLM Fine-Tuning via Synthetic Instruction Generation: A Comparison of BERTopic and Hierarchical Leiden
Procedia Computer Science · 2026 · 292 · 1643-1651
DOI: 10.1016/j.procs.2026.09.240 ↗Kurz gefasst
Fachartikel in der Zeitschrift Procedia Computer Science, 2026. Verfasst von Ülke Balcı Yeşilkaya und 1 weiteren Autor:innen. Die Arbeit nennt 34 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Kein Abstract verfügbar.
Zitieren
APA
Yeşilkaya, Ü. B., & Yeşilkaya, İ. (2026). Thematic Structuring for LLM Fine-Tuning via Synthetic Instruction Generation: A Comparison of BERTopic and Hierarchical Leiden. Procedia Computer Science, 292, 1643-1651. https://doi.org/10.1016/j.procs.2026.09.240
Vancouver
Yeşilkaya ÜB, Yeşilkaya İ. Thematic Structuring for LLM Fine-Tuning via Synthetic Instruction Generation: A Comparison of BERTopic and Hierarchical Leiden. Procedia Computer Science. 2026;292:1643-1651. doi:10.1016/j.procs.2026.09.240
BibTeX
@article{Yeilkaya2026,
author = {Yeşilkaya, Ülke Balcı and Yeşilkaya, İlker},
title = {Thematic Structuring for LLM Fine-Tuning via Synthetic Instruction Generation: A Comparison of BERTopic and Hierarchical Leiden},
journal = {Procedia Computer Science},
year = {2026},
volume = {292},
pages = {1643--1651},
doi = {10.1016/j.procs.2026.09.240}
}
EUVIMED