เปรียบเทียบวิธี

	การวิเคราะห์ข้อความข้ามภาษา	การสร้างแบบจำลองหัวข้อ (Topic Modeling)
สาขาวิชา	การทำเหมืองข้อความ	การเรียนรู้เชิงลึก
ตระกูล	Process / pipeline	Machine learning
ปีกำเนิด	—	1999–2003
ผู้ริเริ่ม	—	Hofmann, T. (pLSA, 1999); Blei, D. M., Ng, A. Y., & Jordan, M. I. (LDA, 2003)
ประเภท	Multilingual NLP representation task	Unsupervised generative probabilistic model
แหล่งต้นตำรับ	Conneau, A. et al. (2020). Unsupervised Cross-lingual Representation Learning at Scale. Proceedings of ACL.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	multilingual text analysis, cross-lingual representation learning, Çok Dilli Metin Analizi (Cross-lingual)	Latent Semantic Analysis, probabilistic topic modeling, topic discovery, thematic modeling
ที่เกี่ยวข้อง	4	5
สรุป	Cross-lingual text analysis lets you compare and analyse texts written in different languages within a shared vector space. Building on multilingual representation learning surveyed by Conneau et al. (2020) and Pires et al. (2019), it maps documents from several languages into one common embedding space so multilingual corpora can be studied together.	Topic Modeling is a family of unsupervised probabilistic techniques for discovering latent thematic structure in large text collections. By learning which words tend to co-occur, models such as Latent Dirichlet Allocation (LDA) automatically surface coherent topics — each represented as a distribution over vocabulary — without requiring labelled data.