การออกแบบและพัฒนากระบวนการจำแนกข้อร้องเรียนรถโดยสารสาธารณะเพื่อติดแท็กปัญหาการให้บริการ
Article Sidebar
Main Article Content
บทคัดย่อ
องค์การขนส่งมวลชนกรุงเทพ (ขสมก.) มีช่องทางในการร้องเรียนรถโดยสารสาธารณะผ่านเว็บบอร์ด ที่ผู้ใช้งานสามารถแสดงความคิดเห็นได้อย่างอิสระ ดังนั้นข้อมูลบนเว็บบอร์ดจึงนับว่ามีประโยชน์ และมีบทบาทในการเพิ่มประสิทธิภาพการให้บริการ เนื่องจากมาจากผู้ใช้บริการจริง แต่จำนวนข้อร้องเรียนที่เพิ่มมากขึ้น และความหลากหลายของข้อความ ตลอดจนความผิดพลาดในการใช้ภาษาของผู้ใช้ส่งผลต่อความถูกต้องในการจำแนกประเภทข้อร้องเรียน เนื่องจากผู้รับผิดชอบต้องวิเคราะห์ข้อมูลด้วยตนเอง ดังนั้นหากมีกระบวนการจำแนกข้อร้องเรียนแบบอัตโนมัติจะเป็นแนวทางหนึ่งในการแก้ไขปัญหาดังกล่าว งานวิจัยชิ้นนี้มีวัตถุประสงค์เพื่อ 1) ออกแบบและพัฒนากระบวนการจำแนกข้อร้องเรียนรถโดยสารสาธารณะ จากข้อร้องเรียนผ่านเว็บบอร์ดขององค์การขนส่งมวลชนกรุงเทพด้วยกระบวนการตัดคำภาษาไทยโดยใช้พจนานุกรม แล้วคัดเลือกคำศัพท์ด้วยการวิเคราะห์น้ำหนักของคำ มาสร้างเป็นคลังคำศัพท์ แบ่งเป็น 4 คลาส ได้แก่ คลาสการขับขี่ คลาสผู้ขับขี่และพนักงานผู้ให้บริการ คลาสยานพาหนะและอุปกรณ์ให้บริการ และคลาสเวลาและการเดินรถ วัดผลด้วยการเรียนรู้ของเครื่องเพื่อจำแนกข้อความ พบว่า อยู่ในระดับดีมาก 2) ประเมินความถูกต้องของผลการจำแนกข้อร้องเรียนรถโดยสารสาธารณะ จากการจับคู่กับคำศัพท์ในคลังคำศัพท์กับข้อร้องเรียนจากผู้ใช้เพิ่มความถูกต้องของผลลัพธ์ด้วยการเปรียบเทียบความคล้ายคลึงของคำด้วยเทคนิคการวัดระยะทางเลเวนชเตย์น ในกรณีที่พบคำศัพท์ที่เขียนไม่ถูกต้องตามที่กำหนดไว้ในคลังคำศัพท์ เพื่อติดแท็กจำแนกปัญหาในการให้บริการของรถโดยสารสาธารณะ ประเมินความถูกต้องโดยผู้เชี่ยวชาญ ผลการประเมินอยู่ในระดับดีมาก โดยเฉพาะข้อร้องเรียนประเด็นเดียว แสดงถึงการตัดคำภาษาไทยแบบอิงพจนานุกรม เหมาะกับคลังคำศัพท์ที่กำหนดขอบเขตได้แน่นอน ความถูกต้องและครอบคลุมของคำศัพท์ส่งผลโดยตรงต่อผลลัพธ์ในการจำแนก อย่างไรก็ดี พบปัญหาคำศัพท์ที่ซ้ำซ้อนกันในบางคลาส เช่น เสียงดัง อาจมีที่มาจากคลาสผู้ขับขี่และพนักงานผู้ให้บริการ หรือจากคลาสยานพาหนะและอุปกรณ์ให้บริการก็ได้ตามต้นกำเนิดการเกิดเสียง ตลอดจนปัญหาการประสมคำในภาษาไทยที่มีลักษณะเฉพาะตัวส่งผลต่อความถูกต้องของผลการตัดคำ ผลลัพธ์จากงานวิจัยจะนำเสนอแนวทางการจำแนกข้อมูล ก่อนจะนำเสนอสารสนเทศเป็นภาพข้อมูลต่อไป และเป็นประโยชน์แก่ผู้รับผิดชอบ เพื่อนำไปปรับปรุงการให้บริการให้เหมาะสมกับความต้องการของผู้ใช้บริการต่อไป
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
นโยบายการรับบทความ
กองบรรณาธิการวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น มีความยินดีรับบทความจากอาจารย์ประจำ และผู้ทรงคุณวุฒิในสาขาวิศวกรรมศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่นที่นำส่ง ดังนั้นผู้สนใจที่จะร่วมเผยแพร่ผลงานและความรู้ที่ศึกษามาสามารถนำส่งบทความได้ที่กองบรรณาธิการเพื่อเสนอต่อคณะกรรมการกลั่นกรองบทความพิจารณาจัดพิมพ์ในวารสารต่อไป ทั้งนี้บทความที่สามารถเผยแพร่ได้ประกอบด้วยบทความวิจัย ผู้สนใจสามารถศึกษาและจัดเตรียมบทความจากคำแนะนำสำหรับผู้เขียนบทความ
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏภายในบทความของแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็น ความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับสถาบันเทคโนโลยีไทย-ญี่ปุ่น และคณาจารย์ท่านอื่น ๆ ในสถาบัน แต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของบทความในวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น ไปเผยแพร่ก่อนได้รับอนุญาตจากผู้นิพนธ์ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
ผู้ประสงค์จะส่งบทความเพื่อตีพิมพ์ในวารสารวิชาการ สถาบันเทคโนโลยีไทย-ญี่ปุ่น สามารถส่ง Online ที่ https://www.tci-thaijo.org/index.php/TNIJournal/ โปรดสมัครสมาชิก (Register) โดยกรอกรายละเอียดให้ครบถ้วนหากต้องการสอบถามข้อมูลเพิ่มเติมที่
- กองบรรณาธิการ วารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
- ฝ่ายวิจัยและนวัตกรรม สถาบันเทคโนโลยีไทย-ญี่ปุ่น
เลขที่ 1771/1 สถาบันเทคโนโลยีไทย-ญี่ปุ่น ซอยพัฒนาการ 37-39 ถนนพัฒนาการ แขวงสวนหลวง เขตสวนหลวง กรุงเทพมหานคร 10250 ติดต่อกับคุณพิมพ์รต พิพัฒนกุล (02) 763-2752 , คุณจุฑามาศ ประสพสันติ์ (02) 763-2600 Ext. 2402 Fax. (02) 763-2754 หรือ E-mail: JEDT@tni.ac.th
เอกสารอ้างอิง
Bangkok Mass Transit Authority, “Annual Report 2019,” (in Thai), Bangkok Mass Transit Authority, Bangkok, Thailand, 2019.
Mahidol University, “Final Report: User Satisfaction Survey 2018,” (in Thai), Bangkok Mass Transit Authority, Bangkok, Thailand, 2018.
Office of Transport and Traffic Policy and Planning. “The number of passengers on the BMTA bus.” MISTRAN.otp.go.th. http://mistran.otp.go.th/mis/Interview_HIPubilcBus.aspx (accessed Aug. 20, 2021).
The Office of the Permanent Secretary, The Prime Minister's Office, “Complaint/Opinion Processing Results Quarter 1 Fiscal Year 2021,” (in Thai), The Office of the Permanent Secretary, The Prime Minister's Office, Bangkok, Thailand, 2021.
Department of Land Transport, “Transport Statistics report 2020,” (in Thai), Transp. Statist. Group, Planning Div., Dep. Land Transp., Bangkok, Thailand, 2020.
C. C. Aggarwal, Data Classification Algorithm and Applications. Boca Raton, FL, USA: CRC Press, 2015.
M. Wozniak, Hybrid Classifiers Methods of Data, Knowledge, and Classifier Combination. Heidelberg, Germany: Springer-Verlag, 2014.
S. McConnell, Rapid Development: Taming Wild Software Schedules. Washington, DC, USA: Microsoft Press, 1996.
R. Mitchell, Web Scraping with Python: Collecting Data from the Modern Web. Sebastopol, CA, USA: O'Reilly Media, 2015.
C. Tapsai, H. Unger and P. Meesad, Thai Natural Language Processing Word Segmentation, Semantic Analysis, and Application. Cham, Switzerland: Springer International Publishing, 2021.
C. D. Manning, P. Raghavan and H. Schütze, Introduction to Information Retrieval. Cambridge, UK: Cambridge University Press, 2018.
T. Jo, Text Mining Concepts, Implementation, and Big Data Challenge. Cham, Switzerland: Springer International Publishing, 2019.
T. Kwantler, Text mining in practice with R. West Sussex, UK: John Wiley & Sons, 2017.
J. Zizka, F. Darena and A. Svoboda, Text Mining with Machine Learning Principles and Techniques. Boca Raton, FL, USA: CRC Press, 2020.
F. J. Damerau, “A technique for computer detection and correction of spelling,” Commun. ACM, vol. 7, no. 3, pp. 171–176, Mar. 1964.
J. Grudin, “Non-hierarchic specification of components in transcription typewriting,” Acta Psychol., vol. 54, no. 1-3, pp. 249–262, Oct. 1983.
K. Kukich, “Techniques for automatically correcting words in text,” ACM Comput. Surv., vol. 24, no. 4, pp. 377–439, Dec. 1992.
V. I. Levenshtein, “Binary codes capable of correcting deletions insertions, and reversals,” Dokl. Phys., vol. 10, no. 8, pp. 707–710, Feb. 1966.
F. P. Miller, A. F. Vandome and J. McBrewster, Levenshtein Distance Information theory, Computer science, String (computer science), String metric, Damerau-Levenshtein distance, Spell checker, Hamming distance. Gladbach, Germany: Alphascript Publishing, 2009.
J. Martinez, Google Charts for Institutional Research Websites. Houston, TX, USA: University of Houston, 2018.
C. O. Wilke, Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. Sebastopol, CA, USA: O’Reilly Media, 2019.
