เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนด้วยแบบจำลองหัวข้อ LDA	แบบจำลองหัวข้อ LDA ที่ปรับแต่งอย่างละเอียด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2003–2013	2003 (base); adaptation practice ~2010s
ผู้ริเริ่ม	Chen, Z. et al. / Blei, D. M. et al.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (base LDA); domain adaptation via online/warm-start LDA
ประเภท	Transfer learning applied to probabilistic topic model	Probabilistic generative topic model (fine-tuned / domain-adapted)
แหล่งต้นตำรับ	Chen, Z., Mukherjee, A., Liu, B., Hsu, M., Malas, M., & Wang, S. (2013). Leveraging multi-domain prior knowledge in topic models. In Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence (IJCAI-13), pp. 2071–2077.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	LDA transfer learning, domain-adaptive LDA, knowledge transfer LDA, cross-domain LDA	Domain-Adapted LDA, Adapted LDA, LDA Fine-Tuning, Online LDA Fine-Tuning
ที่เกี่ยวข้อง	4	5
สรุป	Transfer Learning with LDA Topic Model applies knowledge from a well-studied source domain to guide Latent Dirichlet Allocation inference on a data-scarce target domain. By injecting source-derived topic priors into the Dirichlet hyperparameters, the method produces coherent, domain-relevant topics even when target-domain text is limited, reducing the volume of labelled or unlabelled data required for meaningful results.	Fine-Tuned LDA adapts a Latent Dirichlet Allocation model trained on a large general corpus to a specific target domain by continuing inference on domain-specific documents. Rather than fitting LDA from scratch, the pre-trained topic-word distributions are used as an informed starting point, enabling the model to discover coherent domain topics faster and with less data than training cold.