การวิเคราะห์ความรู้สึกจากวีดิทัศน์บทวิจารณ์ภาษาไทย โดยใช้เทคนิคการทำเหมืองข้อมูล

Sentiment analysis from Thai videos on beauty reviews using data mining techniques

Name: ปรีดาวรรณ เกษเมธีการุณ

ThaSH: ดาต้าไมนิง

ThaSH: ความรู้สึก -- การวิเคราะห์

ThaSH: ซัพพอร์ตเวกเตอร์แมชชีน

ThaSH: สื่อสังคมออนไลน์

Abstract: ปัจจุบันการเข้าถึงเนื้อหาของสินค้าและบริการในรูปแบบวีดิทัศน์ผ่านสื่อสังคมออนไลน์ เช่น YouTube เป็นไปด้วยความสะดวกและรวดเร็ว โดยพบว่ามีการแสดงความคิดเห็นทั้งเชิงบวกและเชิงลบผ่านสื่อดังกล่าว ซึ่งมีอิทธิพลต่อการตัดสินใจซื้อของผู้บริโภคและการจัดการข้อมูลของภาคธุรกิจ ดังนั้นงานวิจัยนี้จึงมุ่งเน้นการวิเคราะห์ความรู้สึกจากวีดิทัศน์บทวิจารณ์ภาษาไทยโดยใช้เทคนิคการทำเหมืองข้อมูล โดยทำการเก็บรวบรวมข้อมูลความคิดเห็นในหัวข้อเกี่ยวกับผลิตภัณฑ์ความงามจาก YouTube นำมาสกัดเสียงและรู้จำเสียงอัตโนมัติ การตัดคำ การเปรียบเทียบและวิเคราะห์ความรู้สึก การปรับปรุงคำคุณลักษณะ การพัฒนาระบบการวิเคราะห์ความรู้สึกจากวีดิทัศน์บทวิจารณ์ภาษาไทย การประเมินประสิทธิภาพด้านความถูกต้อง การประเมินประสิทธิภาพด้านความพึงพอใจ การสร้างตัวแทนเอกสาร การสร้างแบบจำลองการวิเคราะห์ความรู้สึก และการเปรียบเทียบประสิทธิภาพของเทคนิคการเรียนรู้ของเครื่อง (Machine Learning Technique) ผลการวิจัยพบว่าการปรับปรุงคำคุณลักษณะช่วยสนับสนุนผลการวิเคราะห์ความรู้สึกได้อย่างถูกต้อง 92% และผลการทดสอบการเปรียบเทียบประสิทธิภาพของเทคนิคการเรียนรู้ของเครื่องในการแทนเอกสารจากชุดข้อมูลที่มีการแทนคำด้วยค่าความถี่การเกิดขึ้นของคำ (TF) คำคุณลักษณะหลังการปรับปรุงคำคุณลักษณะ ด้วยเทคนิค SVM โดยใช้ฟังก์ชัน LibSVM ด้วยการแบ่งชุดข้อมูลการทดสอบและการเรียนรู้ด้วยวิธี K-Fold Cross Validation โดยที่ K เท่ากับ 10 ให้ค่าความถูกต้องสูงที่สุดคือ 94.40%

Abstract: Nowadays, accessing to video contents and services through social media such as YouTube is fast and easy. There are both positive and negative comments over the media, which influence consumer purchasing decisions and business information management. Therefore, this research focuses on the sentiment analysis from Thai videos on beauty reviews using data mining techniques. By collecting feedback on the beauty products from YouTube and applied with automatic speech recognition, word segmentation, comparison and decision, word adjustment, development of sentiment analysis systems from Thai reviews videos, evaluation of accuracy and performance evaluation of system satisfaction, document representation, sentiment analysis modeling and comparison of machine learning technique performance. The results of this study showed that word adjustment step was accurate at 92%. The performance of Machine Learning Technique for replacing word with term frequency (TF) with word adjustment step and applied with SVM technique and LibSVM function was accurate at 94.4% when K equals 10 from K-Fold Cross Validation

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: พยุง มีสัจ

Role: ที่ปรึกษาดุษฎีนิพนธ์

Email : pym@kmutnb.ac.th

Name: สุมิตรา นวลมีศรี

Role: ที่ปรึกษาดุษฎีนิพนธ์

Created: 2559

Modified: 2561-03-02

Issued: 2560-09-12

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: ปรัชญาดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B1605622x.pdf	3.01 MB	131	2025-05-16 12:09:53

ใช้เวลา

0.036217 วินาที