TOURISM ATTITUDE CLASSIFICATION SYSTEM USING NAIVE BAYES TECHNIQUE
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ พัฒนาโปรแกรมระบบจำแนกทัศนคติการท่องเที่ยวในขั้วบวกและลบ โดยใช้เทคนิคนาอีฟเบย์ และประเมินประสิทธิรูปของระบบทัศนคติการท่องเที่ยวโดยใช้ เมตริกของความแม่นยำ การระลึกได้ ค่าทดสอบเอฟ (F-measure) และค่าความถูกต้อง โดยใช้ข้อมูลวิจารณ์การท่องเที่ยวในประเทศจาก Google Map และจากเว็บไซต์ทริปแอดไวเซอร์ ของนักท่องเที่ยวไทย ผลการวิจัยพบว่าผลการพัฒนาโปรแกรมระบบจำแนกทัศนคติการท่องเที่ยวพบว่า โปรแกรมสามารถวิเคราะห์เพื่อจำแนกความรู้สึกจากข้อความได้จากข้อความทั่วไปได้ แต่อาจจะมีปัญหากับประโยคที่มีความหมายกำกวม ไม่แน่ชัด เช่น ไม่ถึงกับไม่ดี ไม่ถึงกับไม่แย่ เป็นปัญหาต่อการตัดคำและความเข้าใจของโปรแกรมทำให้การให้คะแนนผิดพลาดไป ผลการประเมินประสิทธิรูปของระบบจำแนกทัศนคติการท่องเที่ยวด้วยเอกสารทดสอบที่แตกต่างเอกสารที่ใช้ในการสร้างโมเดล จำนวน 120 เอกสาร ให้ค่าการระลึก ค่าความแม่นยำ และค่าทดสอบเอฟ มีค่า 80, 100, และ 120 ตามลำดับ ได้ผลดังเฉลี่ยจากทั้ง 3 โมเดล ดังนี้การระลึก มีค่าเฉลี่ยนที่ 0.86 ความแม่นยำมีค่าเฉลี่ยที่ 0.80 ค่าทดสอบเอฟ มีค่าเฉลี่ยที่ 0.80 และมีค่าความถูกต้อง 0.80
Article Details
เนื้อหาและข่อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือว่าร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นลิขสิทธิ์ของวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม หากบุคคล หรือหน่วยงานใดต้องการนำทั้งหมด หรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาต เป็นลายลักษณ์อักษรจากวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม เท่านั้น
References
รวิสุดา และ นิเวศ. (2560). การวิเคราะห์ความคิดเห็นภาษาไทยเกี่ยวกับการรีวิวสินค้าออนไลน์ โดยใช้ขั้นตอนวิธีซัพพอร์ตเวกเตอร์แมทชีน. สืบค้นวันที่ 5 พฤศจิกายน 2561, จาก ejsu.siam.edu/journals/PDF_34/EJSU_No.34_pp_1-12.pdf
วรัญญา. (2553). ระบบวิเคราะห์ข้อความแสดงความคิดเห็นสำหรับโรงแรม. สืบค้นวันที่ 5 พฤศจิกายน 2561, จาก
thailang.nectec.or.th/halloffame/images/stories/best/download/13p33c001.pdf/
วรรณพงษ์. (2558). การประมวลภาษาธรรมชาติด้วยภาษาไพทอน. สืบค้นวันที่ 5 พฤศจิกายน 2561, จาก https://python3.wannaphong.com/2015/10/blog-post.html
วรรณพงษ์. (ม.ป.ป). คู่มือการใช้งาน PyThaiNLP 1.4. สืบค้นวันที่ 5 พฤศจิกายน 2561, จาก https://pythainlp.readthedocs.io/en/latest/pythainlp-1-4-thai/
Kasidis. (2560). อธิบาย 10 Metrics พื้นฐานสำหรับวัดผลโมเดล Machine Learning. สืบค้นวันที่ 8 สิงหาคม 2562, จาก
https://datarockie.com/2019/03/30/top-ten-machine-learning-metrics/
เจตรินทร์ วงศ์ศิลป์ ณัฐกิตติ์ ศรีกาญจนเพริศ และจันทิมา พลพินิจ (2560) . การวิเคราะห์ความรู้สึกแบบอัตโนมัติจากข้อความแสดงความคิดเห็น. ใน การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 15 (NCCIT2015). หน้า 1-6. กรุงเทพฯ: คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
อิสรรูป ล้อรัตนไชยยงค์. (2560) การสร้างคลังคำศัพท์บอกความรู้สึกในภาษาไทยจากบทวิจารณ์ออนไลน์ [อ.ม. สาขาภาษาศาสตร์]. กรุงเทพฯ: คณะอักษรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.