เปรียบเทียบวิธี

	การขจัดข้อมูลซ้ำซ้อนของข้อความ	การสร้างแบบจำลองหัวข้อ (Topic Modeling)
สาขาวิชา	การทำเหมืองข้อความ	การเรียนรู้เชิงลึก
ตระกูล	Process / pipeline	Machine learning
ปีกำเนิด	1997	1999–2003
ผู้ริเริ่ม	Andrei Z. Broder (MinHash / Resemblance theory, 1997)	Hofmann, T. (pLSA, 1999); Blei, D. M., Ng, A. Y., & Jordan, M. I. (LDA, 2003)
ประเภท	Text preprocessing / corpus quality pipeline	Unsupervised generative probabilistic model
แหล่งต้นตำรับ	Broder, A.Z. (1997). On the Resemblance and Containment of Documents. Compression and Complexity of SEQUENCES.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	near-duplicate detection, document deduplication, corpus deduplication, Metin Tekilleştirme (Near-Duplicate Detection)	Latent Semantic Analysis, probabilistic topic modeling, topic discovery, thematic modeling
ที่เกี่ยวข้อง	5	5
สรุป	Text deduplication is a corpus-quality pipeline that identifies and removes exact and near-duplicate documents from large text collections. Grounded in Andrei Broder's 1997 resemblance theory, it is widely used to improve dataset quality for machine learning model training, search engine indexing, and any downstream NLP task that assumes a non-redundant corpus.	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.