เปรียบเทียบวิธี

	การสร้างแบบจำลองหัวข้อแบบหลายภาษา	หม้อแปลงหลายภาษา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2009	2019–2020
ผู้ริเริ่ม	Mimno, D., Wallach, H. M., et al.	Devlin et al. (mBERT); Conneau et al. (XLM-R)
ประเภท	Probabilistic topic model (multilingual extension)	Pre-trained cross-lingual language 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.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, pp. 4171–4186. Association for Computational Linguistics.
ชื่อเรียกอื่น	cross-lingual topic model, polylingual LDA, multilingual LDA, MLTM	multilingual LM, cross-lingual transformer, mBERT-style model, multilingual pre-trained model
ที่เกี่ยวข้อง	5	4
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.	A multilingual transformer is a pre-trained language model built on the transformer architecture and trained jointly on text from dozens to over one hundred languages. Models such as mBERT and XLM-RoBERTa learn shared cross-lingual representations, enabling zero-shot or few-shot transfer: a model fine-tuned on English data can often be applied directly to French, German, Arabic, or Chinese without language-specific labels.