@article{ชุมพล_กรวิรัตน์_2023, place={Ubonratchathani, Thailand}, title={การเรียนรู้แบบกลุ่มของการเรียนรู้เชิงลึกโดยใช้วิธีการกำหนดน้ำหนักแบบอุดมคติสำหรับการตรวจสอบข่าวปลอมในสื่อออนไลน์}, volume={13}, url={https://ph01.tci-thaijo.org/index.php/jitubru/article/view/244919}, abstractNote={<p>ข่าวปลอมเป็นปัญหาหนึ่งที่มีความสำคัญต่อสังคมและธุรกิจ การตรวจจับข่าวปลอมแบบอัตโนมัติที่ถูกต้องแม่นยำสามารถช่วยลดการแพร่กระจายของข่าวปลอม ลดความวุ่นวายทางสังคมและลดความเสียหายทางธุรกิจได้ทันเวลา งานวิจัยนี้นำเสนอวิธีการเรียนรู้แบบกลุ่มของการเรียนรู้เชิงลึกโดยใช้วิธีการกำหนดน้ำหนักแบบอุดมคติสำหรับการตรวจสอบข่าวปลอมจากชุดข้อมูลข่าวปลอมของไอเอสโอที ซึ่งเป็นชุดข้อมูลที่รวบรวมจากเว็บไซต์ข่าวภาษาอังกฤษ จำนวนทั้งหมด 44,898 บทความ แบ่งเป็น 2 กลุ่มข่าว ได้แก่ ข่าวจริง จำนวน 21,417 บทความ และข่าวปลอม จำนวน 23,481 บทความ โดยขั้นตอนแรกกระบวนการเตรียมข้อมูลด้วยวิธีประมวลผลคำถูกนำมาใช้ในการแปลงข้อมูลจากข้อมูลที่ไม่มีโครงสร้างให้อยู่ในรูปแบบของข้อมูลที่มีโครงสร้าง ขั้นตอนที่สองทำการทดสอบโมเดลการเรียนรู้โดยใช้โครงข่ายประสาทแบบคอนโวลูชัน (ซีเอ็นเอ็น) ร่วมกับวิธีการหาค่าที่เหมาะที่สุด 3 วิธี ได้แก่ ซีเอ็นเอ็น-เอสจีดี, ซีเอ็นเอ็น-อาร์เอ็มเอสพรอพ และซีเอ็นเอ็น-อดัม จากนั้นคำนวณค่าน้ำหนักของแต่ละโมเดล<br />โดยใช้วิธีการกำหนดน้ำหนักแบบอุดมคติ หลังจากนั้นนำค่าน้ำหนักที่ได้จากการคำนวณมาสร้างการเรียนรู้แบบกลุ่ม สุดท้ายโมเดลที่นำเสนอถูกทดสอบประสิทธิภาพ ผลการศึกษาแสดงให้เห็นว่าวิธีการที่นำเสนอมีประสิทธิภาพความถูกต้องสูงกว่าโมเดลต้นแบบ โดยค่าความถูกต้องของโมเดลที่นำเสนอ ซีเอ็นเอ็น-เอสจีดี, ซีเอ็นเอ็น-อาร์เอ็มเอสพรอพและซีเอ็นเอ็น-อดัม เท่ากับ 98.32%, 75.36%, 98.20% และ 98.04%  ตามลำดับ สำหรับงานในอนาคต วิธีที่เสนอควรได้รับการทดสอบกับกรณีต่าง ๆ มากขึ้น เพื่อเพิ่มความน่าเชื่อถือของวิธีการที่นำเสนอ</p>}, number={1}, journal={วารสารเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏอุบลราชธานี}, author={ชุมพล อัจฉรา and กรวิรัตน์ สรายุทธ}, year={2023}, month={พ.ค.}, pages={83–96} }