เปรียบเทียบวิธี

	การสร้างแบบจำลองหัวข้อแบบหลายภาษา	การสร้างแบบจำลองหัวข้อ (Topic Modeling)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2009	1999–2003
ผู้ริเริ่ม	Mimno, D., Wallach, H. M., et al.	Hofmann, T. (pLSA, 1999); Blei, D. M., Ng, A. Y., & Jordan, M. I. (LDA, 2003)
ประเภท	Probabilistic topic model (multilingual extension)	Unsupervised generative probabilistic 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	Latent Semantic Analysis, probabilistic topic modeling, topic discovery, thematic modeling
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.	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.