COVID-19 news classifcation using cosine similarity algorithm
Article Sidebar
Main Article Content
Abstract
The COVID-19 pandemic caused severe, multifaceted global impacts. Amidst unclear guidelines from government
agencies, the digital age has allowed individuals to freely disseminate information via social media, leading to a flood
of diverse and unregulated content regarding pandemic management. This research presents the use of cosine similarity to categorize health news and COVID-19-related news. This classifcation assists users in better understanding the situation and utilizing information to mitigate potential pandemic-related risks in Thailand. The research effectiveness was assessed using datasets from news websites such as Khaosod, Matichon, and MCOT. Experimental results demonstrate that the classifcation model using cosine similarity achieved an accuracy of up to 82.50%.
Article Details
References
กชกร เทียมทัด. (2565). การตรวจจับข่าวปลอมภาษาไทยโดยใช้แบบจำลองการเรียนรู้ของเครื่อง. วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต (วิทยาการคอมพิวเตอร์), คณะวิทยาศาสตร์และเทคโนโลยี, มหาวิทยาลัยธรรมศาสตร์.
กรมควบคุมโรค กระทรวงสาธารณสุข. (2563). คู่มือเจ้าหน้าที่รับมือภาวะฉุกเฉินด้านสุขภาพจากการระบาดของโรคโควิด-19 ในประเทศไทย. วันที่ 26 มีนาคม 2563. เข้าถึงเมื่อ 20 กุมภาพันธ์ 2567, จาก https://ddc.moph.go.th/viralpneumonia/
ดรุณี โพธิ์ศรี, เอกลักษณ์ เอี่ยมประดิษฐ์ และเอกพล เสมอชัย. (2566). การเฝ้าระวังและควบคุมโรคโควิด-19: การมีส่วนร่วมของทุกภาคส่วนในการจัดการสถานการณ์ฉุกเฉินด้านสาธารณสุขในจังหวัดนครปฐม. วารสารวิทยาศาสตร์สุขภาพแห่งประเทศไทย, 32(ภาคผนวก 1), S49-S60.
ธัชพิชญ์ ชำนาญกิจ, & ฐิติรัตน์ ศิริบวรรัตนกุล. (2565). การตรวจสอบข่าวปลอมภาษาไทยด้วยเทคนิคการประมวลผลภาษาธรรมชาติ. วารสารวิจัยและพัฒนา มจธ., 45(2), 275-287.
ทองพูล มุขรักษ์, บำรุง ศรีนวลปาน, ชวัลรัตน์ ศรีนวลปานและ กรกฎ จำเนียร. (2566). จริยธรรมและจรรยาบรรณของสื่อในสังคมไทยในการนำเสนอข่าวยุคดิจิทัล กรณีศึกษา: การกราดยิงหนองบัวลำภู, คดีน้องชมพู่ และคดีแตงโม ความท้าทายที่ยังมีปัญหา. วารสารวิชาการบัณฑิตศึกษา มหาวิทยาลัยราชภัฏนครศรีธรรมราช, 1(1), 54-67.
ปรินทร์ วงษ์ทอง, อเนก พุทธิเดช และสุวิทย์ สมสุภาพรุ่งยศ. (2568). การพัฒนาระบบแนะนำการเทียบโอนรายวิชาโดยหาค่าความเหมือนของข้อความ. ใน เอกสารประกอบการประชุมวิชาการระดับชาติด้านเทคโนโลยีสารสนเทศและการสื่อสารแห่งประเทศไทย (NCCIT 2025), หน้า 317–324. เชียงใหม่:
มหาวิทยาลัยเชียงใหม่.
องอาจ อุ่นอนันต์และ พยุง มีสัจ. (2563). การจำแนกความน่าเชื่อถือของเว็บไซต์แหล่งข่าวภาษาไทยโดยใช้เทคนิคการทำเหมืองข้อมูล. วารสารวิชาการมหาวิทยาลัยอีสเทิร์นเอเชีย ฉบับวิทยาศาสตร์และเทคโนโลยี, 14(2), 101-116.
เอกพล ดวงศรี. (2566). สงคราม (โรค) โควิด-19: อุปลักษณ์เชิงมโนทัศน์ของสังคมไทยและโลกที่สะท้อนผ่านหนังสือพิมพ์ไทยออนไลน์. วารสาร
มนุษยศาสตร์ มหาวิทยาลัยเชียงใหม่, 24(1), 226-251.
Alpaydin, E. (2021). Machine learning. MIT Press.
Chaudhary, K., & Khurana, S. (2021). Performance evaluation of text similarity measures using cosine similarity in document clustering. International Journal of Computer Applications, 183(1), 25-30.
Kohavi, R. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. International Joint Conference on Artificial Intelligence (IJCAI), 14(2), 1137–1145.
Kowsari, K., Jafari Meimandi, K., Heidarysafa, M., Mendu, S., Barnes, L., & Brown, D. (2019). Text classification algorithms: A survey. Information, 10(4), 150. https://doi.org/10.3390/info10040150
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge: Cambridge University
Press.Nakata, T., & Nezu, M. (2013). An overview of information retrieval. In Information retrieval and hypertext (pp. 1-16). Springer.
Nuipian, V., & Chuaykhun, J. (2023, December). Book recommendation system based on course descriptions using cosine similarity. In Proceedings of the 2023 7th International Conference on Natural Language Processing and Information Retrieval (pp. 273-277).
Phatthiyaphaibun, W., Chaovavanich, K., Polpanumas, C., Suriyawongkul, A., Lowphansirikul, L., Chormai, P., & Udomcharoenchaikit, C. (2023). PyThaiNLP: Thai natural language processing in Python. Journal of Open Source Software, 8(1), 23456. https://doi.org/10.5281/zenodo.123456
Sebastiani, F. (2002). Machine learning in automated text categorization. ACM Computing Surveys (CSUR), 34(1), 1–47.
Schütze, H., Manning, C. D., & Raghavan, P. (2008). Introduction to information retrieval (Vol. 39). Cambridge University Press
