การจำแนกอนุประโยคอัตวิสัยจากบทความภาษาไทยด้วยหน่วยความจำระยะสั้นยาวแบบสองทาง

บทคัดย่อ

การจำแนกประโยคอัตวิสัยเป็นหนึ่งในขั้นตอนที่สำคัญในการวิเคราะห์ความคิดเห็นจากข้อมูลที่มาจากบทความหรือสื่อออนไลน์ ซึ่งมีปริมาณเพิ่มขึ้นเป็นอย่างมาก ความคิดเห็นที่สกัดได้จากประโยคอัตวิสัยสามารถนำมาใช้เป็นข้อมูลในการผลิตหรือปรับปรุงสินค้าให้ดีขึ้น งานวิจัยนี้ได้นำเสนอแนวทางการสร้างโมเดลจำแนกอัตวิสัยระดับอนุประโยคในบทความภาษาไทย โดยใช้โมเดลการเรียนรู้เชิงลึกที่ใช้หน่วยความจำระยะสั้นยาวแบบสองทาง (Bidirectional Long Short-Term Memory) ในการจำแนก ซึ่งเป็นวิธีที่นิยมใช้กันในการจัดการกับข้อมูลที่เป็นลำดับ และได้นำโมเดล FastText มาใช้ในการแปลงคำเป็นเวกเตอร์ตัวเลข งานวิจัยนี้ได้ทดลองสร้างโมเดลจากชุดข้อความในหลายโดเมน และวัดความถูกต้องในการจำแนก โดยใช้ชุดข้อมูล LST20 ซึ่งประกอบด้วยอนุประโยคจำนวน 44,423 อนุประโยคที่ได้ตัดคำไว้แล้ว รวมถึงมีข้อมูลชนิดคำ (Part of speech) และชื่อเฉพาะ (Named entity) ที่ถูกใช้เป็นลักษณะสำหรับการเรียนรู้ของโมเดล ในการวัดประสิทธิภาพของโมเดลได้ใช้การสุ่มเลือกแบ่งข้อมูลแบบความเที่ยงตรง 5 กลุ่ม (5-fold cross-validation) และพบว่าโมเดลที่ใช้จำนวนเซลล์ประสาทของหน่วยความจำระยะสั้นยาวแบบสองทาง 200 เซลล์ และใช้ลักษณะ (Feature) คำและชนิดคำ เป็นโมเดลที่ดีที่สุดให้ค่าความแม่นยำ (Precision) 62.562% ค่าความระลึก (Recall) 51.151% ค่าความถูกต้อง (Accuracy score) 79.407% และค่า F1-score 56.284%