การประยุกต์ใช้อัลกอริทึมในการทำเหมืองข้อความเพื่อจำแนกความคิดเห็นต่อการเลือกซื้อชานมไข่มุกบนสื่อสังคมออนไลน์

Apply of text mining algorithm to classification opinions towards buying bubble milk tea on social media

Name: ณัฐพล พรรณศิลป์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : montean.r@itd.kmutnb.ac.th

Name: มณเฑียร รัตนศิริวงศ์วุฒิ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : s6507021857041@email.kmutnb.ac.th

keyword: การทำเหมืองข้อความ

ThaSH: สื่อสังคมออนไลน์

; ชานมไข่มุก

Abstract: งานวิจัยฉบับนี้ได้นำเอาเทคนิควิธีการทำเหมือง ข้อความ มาประยุกต์ใช้ในการพัฒนาแบบจำลองจำแนก ข้อความภาษาไทยเพื่อวิเคราะห์ความคิดเห็นต่อการเลือก ซื้อชานมไข่มุก บนสื่อสังคมออนไลน์ ซึ่งในงานวิจัยฉบับ นี้ได้ทาการพัฒนาแบบจาลองโดยใช้อัลกอริทึมนาอีฟเบย์ อัลกอริทึมซัพพอร์ตเวกเตอร์แมชชีน อัลกอริทึมเพื่อนบ้าน ใกล้ที่สุด อัลกอริทึมป่าสุ่ม และอัลกอริทึมหน่วยความจา ระยะสั้นแบบยาว โดยเก็บรวบรวมข้อมูลจากเว็บไซต์ เครือข่ายสังคมออนไลน์ Wongnai มาผ่านกระบวนการ เตรียมข้อมูล ก่อนทาการเปรียบเทียบประสิทธิภาพ แบบจาลอง จากนั้นทาการแสดงผลการจำแนก และนำ แบบจำลองที่มีประสิทธิภาพดีที่สุดไปพัฒนาระบบจาแนก ข้อมูลความคิดเห็นในรูปแบบโปรแกรมประยุกต์บนเว็บ สามารถสรุปได้ว่า แบบจำลองอัลกอริ ทึมป่าสุ่ม มี ประสิทธิภาพในการจาแนกดีที่สุด โดยได้ค่าความถูกต้อง ร้อยละ 96.67 ค่าความแม่นยา เท่ากับ 0.96 ค่าระลึก เท่ากับ 0.97 ค่าความถ่วงดุล เท่ากับ 0.96 และค่าการวิเคราะห์เส้น โค้งคุณลักษณะสมบัติการทำงาน เท่ากับ 0.97 ตามลำดับ

Abstract: This research applies text mining techniques to develop a model for text classification in Thai language to analyze opinions towards buying bubble milk tea on online social media. The study develops models using algorithms such as Naive Bayes, Support Vector Machine, K-Nearest Neighbors, Random Forest, and Long Short-Term Memory. Data collected from social networking website Wongnai. These data undergo text processing steps, before comparing the performance of the models. Subsequently, the classification results are presented, and the most effective model is utilized to develop a sentiment classification system in the form of a web application. The evaluation and comparison of model performance concluded that the Random Forest algorithm exhibited the highest accuracy in classification, the efficiency was evaluated with an accuracy of 96.67%, precision of 0.96, recall of 0.97, F1-score of 0.96, and ROC of 0.97 respectively

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2567

Modified: 2567-11-22

Issued: 2567-11-22

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 20 (NCCIT 2024) (pp.292-297). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2024pp.292-297.pdf	364.16 KB	8	2025-10-16 19:54:46

ใช้เวลา

0.031773 วินาที