เปรียบเทียบวิธี

	แบบจำลองหัวข้อ NMF แบบปรับตัวตามโดเมน	การเรียนรู้แบบถ่ายโอนด้วยแบบจำลองหัวข้อ NMF
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1999 (NMF); domain adaptation variants ~2010s	2010 (transfer learning survey); 1999 (NMF)
ผู้ริเริ่ม	Lee, D. D. & Seung, H. S. (NMF base); domain adaptation extensions by the NLP community	Pan, S. J. & Yang, Q. (transfer learning framework); Lee, D. D. & Seung, H. S. (NMF base)
ประเภท	Unsupervised topic model with domain adaptation	Unsupervised topic model with cross-domain adaptation
แหล่งต้นตำรับ	Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788–791.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	DA-NMF, cross-domain NMF, domain-adaptive topic modeling with NMF, transfer NMF topic model	TL-NMF, NMF transfer topic model, cross-domain NMF topic modeling, domain-adaptive NMF
ที่เกี่ยวข้อง	4	5
สรุป	Domain-adaptive NMF Topic Modeling applies Non-negative Matrix Factorization to discover latent topics across text from multiple domains, using regularization or shared basis constraints to transfer topic knowledge from a resource-rich source domain to a target domain with limited labeled data. It combines interpretable parts-based decomposition with domain-adaptation objectives to produce topics that are both domain-specific and cross-domain consistent.	Transfer Learning with NMF Topic Model applies knowledge from a labeled or data-rich source domain to improve Non-Negative Matrix Factorization topic discovery in a low-resource target domain. By initializing or constraining the NMF basis matrix with source-domain topics, the model discovers coherent target topics even when target-domain documents are scarce or unlabeled.