เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนด้วยการสร้างแบบจำลองหัวข้อ	แบบจำลองหัวข้อ LDA
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010s	2003
ผู้ริเริ่ม	Pan, S. J. & Yang, Q. (transfer learning survey); combined with Blei et al. (LDA, 2003)	Blei, D. M., Ng, A. Y., & Jordan, M. I.
ประเภท	Cross-domain adaptation of topic models	Probabilistic generative topic model
แหล่งต้นตำรับ	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	domain-transfer topic modeling, pretrained topic transfer, cross-domain topic adaptation, TL-LDA	LDA, Latent Dirichlet Allocation, LDA Topic Modeling, Dirichlet Topic Model
ที่เกี่ยวข้อง	5	5
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.	Latent Dirichlet Allocation (LDA) is a probabilistic generative model introduced by Blei, Ng, and Jordan in 2003 that discovers hidden thematic structure in large text collections by representing each document as a mixture of latent topics and each topic as a probability distribution over vocabulary words.