OPINION ANALYSIS ON PUBG MOBILE GAMES USING TEXT MINING
Article Sidebar
Main Article Content
Abstract
Text mining is a one of the most effective data analysis process by using alphabetically method. Currently, text mining techniques are used to classify a variety of ways. This research aims to fine the most effectiveness techniques from 5 techniques including Naïve Bayes, Support Vector Machine (SVM), K-Nearest Neighbor and C4.5. The data collected were all made by the viewers, in total of 3,798 messages. The categorization process has divided the data into 2 groups: positive character and negative character. Interestingly, the process has only indicated to selects adverbs and slangs as a core division to produce positive and negative characters. After analyzing the data, to problems were found class imbalanced. SMOTE were used to filtering and increase the minority class. 10-fold cross validation is applied to segment the data into training and testing sets. Moreover, precision recall and accuracy are used as the criteria for selecting the most effective model. The results presented the Decision tree C4.5 produce the most accuracy in categorizing the messages with precision of 100% recall of 85.87% and accuracy score of 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.