การจำแนกข่าวโควิด-19 โดยใช้อัลกอริทึมความคล้ายคลึงของโคไซน์
Article Sidebar
Main Article Content
บทคัดย่อ
สถานการณ์การแพร่ระบาดของโรคโควิด-19 ที่ผ่านมาก่อให้เกิดความเสียหายในหลากหลายมิติ ผู้คนทั่วโลกต้องเผชิญกับผลกระทบอย่างร้ายแรงของโรคระบาดดังกล่าว ภายใต้ความไม่ชัดเจนของแนวทางการปฏิบัติที่เหมาะสมจากหน่วยงานรัฐที่เกี่ยวข้อง ผนวกกับคุณลักษณะสำคัญของยุคดิจิทัลที่เปิดโอกาสให้บุคคลทั่วไปสามารถนำเสนอข้อมูลข่าวสารต่าง ๆ ผ่านช่องทางอย่างสื่อสังคมออนไลน์ได้อย่างเสรี ทำให้ข้อมูลข่าวสารที่เกี่ยวกับการรับมือต่อสภาวะการระบาดเต็มไปด้วยข้อมูลแนวทางที่หลากหลายและมีการส่งต่อข้อมูลข่าวสารแบบไร้ระเบียบ โดยงานวิจัยนี้นำเสนอการวัดความคล้ายคลึงของโคไซน์ เพื่อมาใช้ในการจัดหมวดระหว่างข่าวด้านสุขภาพ และข่าวที่เกี่ยวกับ โควิด-19 ซึ่งจะช่วยให้ผู้ใช้งานสามารถเข้าใจถึงสถานการณ์ดังกล่าวได้เพิ่มขึ้น และสามารถนำข้อมูลมาใช้ประโยชน์ในการบรรเทาความรุนแรงที่อาจเกิดขึ้นจากสถานการณ์โรคระบาดของคนไทย โดยพิจารณาจากความถูกต้องในการทำนาย สำหรับการประเมินประสิทธิภาพงานวิจัยนั้น ได้ใช้ชุดข้อมูล เว็บไซต์ข่าวสด มติชน อสมท ซึ่งผลการทดลองแสดงให้เห็นว่าการสร้างแบบจำลองการจำแนกบทความข่าวโดยใช้ความคล้ายคลึงของโคไซน์มีความแม่นยำสูงสุดถึง 82.50 เปอร์เซ็นต์
Article Details
เอกสารอ้างอิง
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
