เปรียบเทียบวิธี

	การสร้างแบบจำลองหัวข้อแบบหลายภาษา	แบบจำลองหัวข้อ LDA
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2009	2003
ผู้ริเริ่ม	Mimno, D., Wallach, H. M., et al.	Blei, D. M., Ng, A. Y., & Jordan, M. I.
ประเภท	Probabilistic topic model (multilingual extension)	Probabilistic generative topic model
แหล่งต้นตำรับ	Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	cross-lingual topic model, polylingual LDA, multilingual LDA, MLTM	LDA, Latent Dirichlet Allocation, LDA Topic Modeling, Dirichlet Topic Model
ที่เกี่ยวข้อง	5	5
สรุป	Multilingual topic modeling extends probabilistic topic models such as LDA to corpora spanning two or more languages, inferring shared latent topics across language boundaries. By tying topic distributions across languages, it enables cross-lingual document analysis, comparable topic discovery, and information retrieval without requiring full parallel corpora.	Latent Dirichlet Allocation (LDA) is a probabilistic generative model introduced by Blei, Ng, and Jordan in 2003 that discovers hidden thematic structure in large text collections by representing each document as a mixture of latent topics and each topic as a probability distribution over vocabulary words.