การวิเคราะห์ความคิดเห็นต่อเกมมือถือผับจีด้วยเหมืองข้อความ
Article Sidebar
Main Article Content
บทคัดย่อ
เหมืองข้อความเป็นกระบวนการวิเคราะห์ข้อมูลตัวอักษรเพื่อสกัดข้อมูลที่เป็นประโยชน์จากแหล่งข้อมูล ปัจจุบันเทคนิคในการจำแนกเหมืองข้อความมีหลายวิธี งานวิจัยนี้มีวัตถุประสงค์เพื่อค้นหาเทคนิคการจำแนก จาก 5 เทคนิคที่มีประสิทธิภาพ คือ เทคนิค Naïve Bayes เทคนิค Support Vector Machine (SVM) เทคนิค K-Nearest Neighbor และเทคนิค C4.5 โดยเก็บรวบรวมข้อมูลความคิดเห็นต่อเกมมือถือผับจีจำนวน 3,798 ข้อความ ในกระบวนการคัดเลือกคำบ่งชี้เพื่อใช้ในการแยกคุณลักษณะได้เลือกใช้คำวิเศษณ์ และคำสแลงบางคำที่ความหมายของคำเป็นคำวิเศษณ์เพื่อทำการแยกคุณลักษณะเชิงบวกและเชิงลบ ผลการศึกษาพบว่ามีความไม่สมดุลของคลาสในข้อมูล โดยมีจำนวนคลาสหนึ่งมากกว่าอีกคลาสหนึ่งเป็นจำนวนมาก ผู้วิจัยจึงได้ทำการแก้ปัญหาโดยการปรับความสมดุลของข้อมูลด้วยวิธี SMOTE (Synthetic Minority Over-sampling Technique) และใช้หลักการ 10-fold cross validation ในการแบ่งกลุ่มข้อมูลเป็นชุดข้อมูลเรียนรู้และชุดข้อมูลทดสอบ และวัดประสิทธิภาพการจำแนกของแบบจำลองด้วยค่าความแม่นยำ (Precision) ค่าความระลึก (Recall) และค่าความถูกต้อง (Accuracy) เมื่อทำการทดสอบและวัดประสิทธิภาพของโมเดลพบว่า เทคนิคต้นไม้ตัดสินใจ C4.5 ให้ผลดีที่สุดในการวิเคราะห์ความคิดเห็น โดยให้ค่าความแม่นยำ 100% ค่าความระลึก 85.87% และค่าความถูกต้อง 92.93%
Article Details
References
2. Zagal J, Ladd A, Johnson T. Characterizing and understanding game reviews2009. 215-22 p.
3. ยืน ภู่วรวรรณ. การประมวลผลภาษาธรรมชาติ. กรุงเทพฯ: สถาบันเทคโนโลยีพระจอมเกล้าธนบุรี; 1992. 241 p.
4. กานดา แผ่วัฒนากุล, ปราโมทย์ ลือนาม. การวิเคราะห์เหมืองความคิดเห็นบนเครือข่ายสังคมออนไลน์. บทความ วิชาการวารสารการจัดการสมัยใหม่ปีที่ 11. 2013;11(2).
5. ประพัฒน์ พรมน้ำอ่ำง, วสุวรรธน์ พงศ์ขจร, นิเวศ จิระวิชิตชัย. การจำแนกกลุ่มข้อความรีวิวโดยใช้เทคนิคเหมืองข้อมูล. วารสารวิทยาศาสตร์และเทคโนโลยี มทร ธัญบุรี ปีที่ : 6 2016;1:94-102.
6. พัชรนิกานต์ พงษ์ธนู. วิเคราะห์ความพึงพอใจของลูกค้าจากข้อความคำแนะนำโดยการทำเหมืองความคิดเห็น. โครงการประชุมวิชาการนานาชาติ Knowledge and Smart Technologies. 2012(1):53-60
7. Chawla N, Bowyer K, Hall L, Kegelmeyer W. SMOTE: Synthetic Minority Over-sampling Technique. J Artif Intell Res (JAIR). 2002;16:321-57.
8. เชาวนันท์ โสโท. แบบจำลองการทำนายผลการรักษาผู้ป่วยมะเร็งปากมดลูกด้วยโครงข่ายประสาทเทียม. KKU Res J (GS). 2013;13:39-49.
9. สิริวรรณ ปัญญากาศ. ความสัมพันธ์ระหว่างความรุนแรงในสื่อเกมออนไลน์กับพฤติกรรมก้าวร้าว ของเด็กวัยรุ่นตอนปลายในจังหวัดเชียงใหม่. มหาวิทยาลัยเชียงใหม่; 2008.
10. Carter C. Understanding Playerunknown's Battlegrounds 2019 [Available from: https://www. polygon.com/playerunknowns-battlegrounds-guide /2017/6/9/15721366/pubg-how-to-play-blue-wall-white-red-circle-map-weapon-vehicle-inventory-air-drop.
11. Backfried G, Göllner J, Qirchmayr G, Rainer K, Kienast G, Thallinger G, et al., editors. Integration of Media Sources for Situation Analysis in the Different Phases of Disaster Management: The QuOIMA Project. 2013 European Intelligence and Security Informatics Conference; 2013 12-14 Aug. 2013.
12. รวิสุดา เทศเมือง, นิเวศ จิระวิชิตชัย. การวิเคราะห์ความคิดเห็นภาษาไทยเกี่ยวกับการรีวิวสินค้าออนไลน์ โดยใช้ขั้นตอนวิธีซัพพอร์ตเวกเตอร์แมทชีน. วารสารวิศวกรรมศาสตร์ มหาวิทยาลัยสยาม. 2017;18(1):1-11.
13. Joachims T, editor Text categorization with Support Vector Machines: Learning with many relevant features. Machine Learning: ECML-98; 1998 1998//; Berlin, Heidelberg: Springer Berlin Heidelberg.
14. Salzberg SL. C4.5: Programs for Machine Learning by J. Ross Quinlan. Morgan Kaufmann Publishers, Inc., 1993. Machine Learning. 1994;16(3):235-40.
15. Sun Y, Quan C, Kang X, Zhang Z, Ren F. Customer emotion detection by emotion expression analysis on adverbs. Information Technology and Management. 2015;16(4):303-11.