เปรียบเทียบวิธี

	แบบจำลองหัวข้อ LDA หลายรูปแบบ	การสร้างแบบจำลองหัวข้อ (Topic Modeling)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2003	1999–2003
ผู้ริเริ่ม	Blei, D. M. & Jordan, M. I.	Hofmann, T. (pLSA, 1999); Blei, D. M., Ng, A. Y., & Jordan, M. I. (LDA, 2003)
ประเภท	Probabilistic generative topic model (multimodal)	Unsupervised generative probabilistic model
แหล่งต้นตำรับ	Blei, D. M. & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	Multimodal LDA, mm-LDA, multimodal topic model, cross-modal LDA	Latent Semantic Analysis, probabilistic topic modeling, topic discovery, thematic modeling
ที่เกี่ยวข้อง	6	5
สรุป	Multimodal LDA extends Latent Dirichlet Allocation to jointly model multiple data modalities — most often text and images — within a single probabilistic topic framework. Each document or data instance is represented as a mixture of latent topics shared across modalities, enabling the model to discover coherent themes that align visual and linguistic content simultaneously.	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.