การประมวลผลภาษาธรรมชาติ เพื่อปรับปรุงคำผิดที่เกิดจากวิธีการรู้จำอักขระ
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอการแก้ไขคำผิดที่เกิดขึ้นจากการรู้จำอักขระลายมือเขียนภาษาไทย การรู้จำอักขระลายมือเขียนภาษาไทยนั้นเป็นสิ่งที่ท้าทายเนื่องจากลายมือของคนแต่ละคนเขียนออกมาได้แตกต่างกัน ดังนั้นผลลัพธ์ที่ได้จากการรู้จำอักขระอาจเกิดผลลัพธ์ที่ผิดขึ้นได้แก่ คำที่อ่านออกเสียงไม่ได้หรือได้คำผิดที่ต้องมีการปรับให้ถูกต้อง โดยนำงานด้านการประมวลผลธรรมชาติมาปรับปรุงผลลัพธ์ที่ได้จากการรู้จำอักขระให้ดียิ่งขึ้น มีข้อมูลนำเข้า คือ ข้อความที่ได้จากการรู้จำอักขระลายมือเขียนภาษาไทยไปกรอกที่หน้าเว็บแอปพลิเคชันส่งไปแก้ไขโดยอาศัยความรู้จากหลักการออกเสียงพยางค์ในภาษาไทยมาใช้แก้ไขผลลัพธ์การรู้จำอักขระที่ผิด เมื่อแก้ไขแล้วข้อความนั้นจะถูกนำมารวมกันและหาคำที่มีความเหมือนกัน เริ่มที่พยางค์สูงสุดของคำในภาษาไทยคือ 7 พยางค์ไล่ไปจนถึง 1 พยางค์ โดยต้องมีความเหมือนกันอย่างน้อย 66% ของคำที่มี 1 พยางค์ 80% ของคำที่มี 2 - 3 พยางค์ และ 90% ของคำที่มี 4 พยางค์ขึ้นไปจนถึง 7 พยางค์ โดยใช้ไลบรารีภาษาไพธอน คือ difflib และวัดผลการแก้ไขข้อความโดยใช้ Bleu Score แบบ unigram มาวัดผลการแก้ไขจากข้อความตัวอย่างได้คะแนน 0.66 หลังจากเสร็จสิ้นกระบวนการจะนำผลลัพธ์จากการแก้ไขไปแสดงผลบนหน้าเว็บแอปพลิเคชัน
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Aiman, K., Qamar, U., Zafar, I. and Shaheen, A. (2018). Automated misspelling detection and correction in clinical free-text records. In: 2018 International Conference on Artificial Intelligence and Big Data (ICAIBD). IEEE, Chengdu. 277 - 280. doi: 10.1109/ICAIBD.2018.8396209.
Chumwatana, T., Rattana-amnuaychai, W. and Chauychu, P. (2022). Patient Information Extraction Using Optical Character. Journal of The Thai Medical Informatics Association 8(1): 22 - 27.
Islam, M.M., Kabir, M.N., Sadi, M.S., Morsalin, I., Haque, A. and Wang, J. (2019). A Novel Approach Towards Tamper Detection of Digital Holy Quran Generation. In: Conference: 5th International Conference on Electrical, Control and Computer Engineering (InECCE2019). Pahang, Malaysia. 297 - 308. doi: 10.1007/978-981-15-2317-5_25.
Meesad, P., Kleechaya, P., Aun-a-nan, A. and Kijrungpaisarn, K. (2022). Artificial Intelligent Techniques for Thai Fake News Detection. The Journal of Applied Science 21(1): 1 - 19. doi: 10.14416/j.appsci.2022.01.012.
Ngamcharoen, P., Sanglerdsinlapachai, N. and Vejjanugraha, P. (2022). Automatic Thai Text Summarization Using Keyword-Based Abstractive Method. In: 2022 17th International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP). IEEE, Chiang Mai. 1 - 5. doi: 10.1109/iSAI-NLP56921.2022.9960265.
Pal, A., Mallick, S. and Pal, A.R. (2021). Detection and Automatic Correction of Bengali Misspelled Words using N-Gram Model. In: 2021 International Conference on Advances in Electrical, Computing, Communication and Sustainable Technologies (ICAECT). IEEE. 1 - 5. doi: 10.1109/ICAECT49130.2021.9392406.
Papineni, K., Roukos, S., Ward, T. and Zhu, W-J. (2002). Bleu: a Method for Automatic Evaluation of Machine Translation. Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics, Philadelphia. 311 - 318. doi: 10.3115/1073083.1073135.
Phaphan, W. and Pimpisal, A. (2020). The predictions of a daily stock price direction from the Thai news content by using natural language processing. The Journal of Applied Science 19(1): 59 - 79. doi: 10.14416/j.appsci.2020.01.006.
Puttipornchai, C., Chanyachatchawan, S. and Tuaycharoen, N. (2022). Multi-Label Classification for Articles in Thai Journal Database from Article's Abstract. In: 2022 19th International Joint Conference on Computer Science and Software Engineering (JCSSE), , IEEE. 1 - 6. doi: 10.1109/JCSSE54890.2022.98 36270.
Tanaka, Y., Murawaki, Y., Kawahara, D. and Kurohashi, S. (2020). Building a Japanese Typo Dataset from Wikipedia’s Revision History. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. Student Research Workshop. Association for Computational Linguistics. 230 - 236. doi: 10.18653/v1/2020.acl-srw.31.