เปรียบเทียบวิธี

	LSTM หลายภาษา	การฝังประโยคหลายภาษา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1997 (LSTM); multilingual NLP applications from ~2016	2019–2022
ผู้ริเริ่ม	Hochreiter, S. & Schmidhuber, J. (LSTM base); multilingual application by the NLP community from ~2016	Reimers, N. & Gurevych, I.; Feng, F. et al. (Google)
ประเภท	Recurrent neural network (sequence model)	Cross-lingual representation learning
แหล่งต้นตำรับ	Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780.	Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525.
ชื่อเรียกอื่น	Multilingual LSTM, Cross-lingual LSTM, Multi-language LSTM, Multilingual Recurrent Network	multilingual sentence representations, cross-lingual sentence embeddings, mSE, multilingual semantic embeddings
ที่เกี่ยวข้อง	5	5
สรุป	A Multilingual LSTM is a Long Short-Term Memory recurrent network trained or fine-tuned to process sequences in multiple languages, typically by sharing a single model across language-specific or joint subword embeddings. It captures long-range dependencies in text and is applied to multilingual classification, named entity recognition, sentiment analysis, and sequence labeling.	Multilingual sentence embeddings map sentences from many languages into a single shared vector space so that semantically equivalent sentences — regardless of language — land close together. Models such as LaBSE, multilingual Sentence-BERT, and mUSE have made it practical to compare, retrieve, and classify text across 50 to 100+ languages without translating anything first.