플랫폼 간 토픽 확산 연구는 미디어 분석에서 다뤄져 온 주제 중 하나이지만, 여러 플랫폼에서 수집한 문서를 합쳐 기존 토픽 모델에 적용할 때 플랫폼으로 인한 편향 때문에 실제 주제를 제대로 포착하지 못하는 경우가 있다. 본 연구는 플랫폼 고유 특성이 토픽 모델 성능에 미치는 영향을 다루고, 토픽 모델링의 효과를 높이는 새로운 접근법을 제안한다. 실험에는 세 개의 소셜미디어 플랫폼에서 “ChatGPT” 키워드로 수집한 총 150만 개의 게시물을 사용했다. 제안 모델은 플랫폼 불변(platform-invariant) 대조 학습 알고리즘과 플랫폼별 전문용어(jargon) 제거를 통해 토픽 모델에서 플랫폼의 영향을 줄인다. 정량·정성 실험을 통해 표준 및 최신 토픽 모델 대비 우수성을 검증했으며, 여러 플랫폼에서 수집한 텍스트로 토픽을 모델링할 때 발생하는 플랫폼 편향을 완화할 수 있다.