เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนด้วยการสร้างแบบจำลองหัวข้อ	การจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010s	2019
ผู้ริเริ่ม	Pan, S. J. & Yang, Q. (transfer learning survey); combined with Blei et al. (LDA, 2003)	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI Language)
ประเภท	Cross-domain adaptation of topic models	Pre-trained language model with fine-tuning
แหล่งต้นตำรับ	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics.
ชื่อเรียกอื่น	domain-transfer topic modeling, pretrained topic transfer, cross-domain topic adaptation, TL-LDA	BERT classifier, BERT fine-tuning for classification, BERT text classification, BERT-CLS
ที่เกี่ยวข้อง	5	4
สรุป	Transfer Learning with Topic Modeling adapts topic structures discovered on a large or well-labeled source corpus to a related but distinct target domain where labeled data or large corpora are scarce. By reusing source-domain topic priors or pretrained embeddings as initialization, the approach produces richer, more coherent topics in the target domain than training from scratch.	BERT-based Classification fine-tunes Google's Bidirectional Encoder Representations from Transformers model on a labelled text dataset, replacing the generic pre-trained head with a task-specific classification layer. It exploits deep bidirectional context from hundreds of millions of pre-trained parameters to deliver state-of-the-art accuracy on short- and medium-length text classification tasks with relatively modest amounts of labelled data.