การจำแนกประเภทอุปกรณ์โครงข่ายบรอดแบนด์โดยใช้เทคนิคเหมืองข้อความ

Classification of broadband network devices using text mining technique

Name: ณัฐภัทร ศรีด้วง

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสำรสนเทศและนวัตกรรมดิจิทัล

Email : s6407021857093@email.kmutnb.ac.th

Name: มหศักดิ์ เกตุฉ่ำ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสำรสนเทศและนวัตกรรมดิจิทัล

Email : mahasak.k@itd.kmutnb.ac.th

keyword: เทคนิคเหมืองข้อความ

ThaSH: ระบบสื่อสารแบบบรอดแบนด์ -- เครื่องมือและอุปกรณ์ -- การจำแนก

ThaSH: ระบบสนับสนุนการตัดสินใจ

Abstract: ปักจุบันธุรกิจบรอดแบนค์อินเตอร์เน็ตมีการแข่งขันสูง ผู้ให้บริการแต่ละรายต่างใช้งบประมาณจำนวนมากในการ ลงทุนเพื่อพัฒนาโครงข่ายให้สามารถตอบสนองความ ต้องการของผู้บริโภคและยังต้องแข่งขันค้านราคากับผู้ บริการรายอื่น ๆ ทำให้ค่าบริการนั้นลดต่ำลงสวนทางกับ งบประมาณที่ต้องใช้ในการลงทุนพัฒนาโครงข่าย ธุรกิจบรอดแบนค์อินเตอร์เน็ตจึงต้องการการบริหาร จัดการตื้นทุนที่มีประสิทธิภาพเพื่อให้ธุรกิจสามารถมีกำไร ในตลากที่มีการแข่งขันสูงได้ งานวิจัยนี้เป็นการพัฒนา แบบจำลองสำหรับการจำแนกประเภทอุปกรณ์ โครงข่ายบรอดแบนค์ โดยนำเทคนิคเหมืองข้อความมาประยุกต์ใช้กับ รายการอุปกรณ์ โครงข่ายบรอดแบนค์ของบริษัทที่ดำเนิน ธุรกิจบรอคแบนค์อินเตอร์เน็ตแห่งหนึ่งในประเทศไทย ในการสร้งเวกเตอร์คุณลักษณะจากคำอธิบายของรายการ อุปกรณ์ จากนั้นใช้อัลกอริทึมจำแนกประเภทในการ จำแนกอุปกรณ์ออกเป็น 3 ประเภทตามสำคับชั้นของ โครงข่าย ได้แก่ Core, ACcess และ Last Mile โดยประเมิน เปรียบเทียบประสิทธิภาพของอัลกอริทึม ได้แก่ Decision Tree, Naive Bayes, Bayesian Network, K-Nearest Neighbor, Support Vector Machine และ Deep Neural Nework พบว่าอัลกอริทึม Support Vector Machine ให้ผล การจำแนกที่ดีที่สุด โดยได้ค่ความถูกต้องเท่ากับ 90.35% จากนั้นผู้วิจัยนำผลลัพธ์ที่ได้มาแสดงในรูปแบบ Visualizaiion ซึ่งสามารถนำไปใช้สนับสนุนการดำเนิน ธุรกิจในด้านต่าง ๆ ต่อไป

Abstract: Broadband internet business is highly competitive. Each service provider spends a large amount of its budget investing in network development to meet the needs of consumers and has to compete on price with other operators. Broadband internet businesses require efficient cost management to remain profitable in this highly competitive market. This research develops a model for classifying broadband network equipment by applying the text mining technique to the equipment list obtained from one of the largest broadband network of a company that operates a broadband internet business in Thailand. The feature vector is generated from the description of the device manifest, Then a classification algorithm is used to classify devices into 3 categories according to the network hierarchy i.e., core, access and last mile. By comparing the efficiency of the algorithm, i.e., decision tree, naïve bayes, bayesian network, knearest neighbor, support vector machine, and deep neural network, it was found that the support vector machine algorithm gave the best classification results with 90.35% accuracy. Then, we presented the results in visualization to support business operations in various areas

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2566

Modified: 2567-01-03

Issued: 2567-01-03

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 19 (NCCIT 2023) (pp.300-306). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2023pp.300-306.pdf	417.66 KB	7	2025-10-16 19:55:54

ใช้เวลา

0.023888 วินาที