EN/TH
EN/TH
กลุ่มนวัตกรรมทางสังคม>ป-การพัฒนาระบบวิเคราะห์ความรู้สึกคิดเห็นเชิงตอบโต้จากบทวิจารณ์บนสังคมออนไลน์ โดยอาศัยการเรียนรู้เครื่องกลและการเรียนรู้เชิงลึก กรณีศึกษากลุ่มสินค้า ด้านเครื่องสำอาง อาหาร และสุขภาพ (ระยะที่ 2)-ปรีดิ์ เที่ยงบูรณธรรม และคณะ
ป-การพัฒนาระบบวิเคราะห์ความรู้สึกคิดเห็นเชิงตอบโต้จากบทวิจารณ์บนสังคมออนไลน์ โดยอาศัยการเรียนรู้เครื่องกลและการเรียนรู้เชิงลึก กรณีศึกษากลุ่มสินค้า ด้านเครื่องสำอาง อาหาร และสุขภาพ (ระยะที่ 2)-ปรีดิ์ เที่ยงบูรณธรรม และคณะ
ผู้วิจัย : อาจารย์ ดร.ปรีดิ์ เที่ยงบูรณธรรม และคณะ   โพสต์ เมื่อ 23 กุมภาพันธ์ 2022
จำนวนผู้เข้าชม 241 ครั้ง, จำนวนดาวน์โหลด 7 ครั้ง

รายงานฉบับสมบูรณ์เล่มนี้นำเสนอกิจกรรมที่ดำเนินการในระยะที่ 2 สำหรับโครงการพัฒนาระบบวิเคราะห์ความรู้สึกคิดเห็นจากสื่อสังคมออนไลน์ กรณีศึกษาสินค้าเครื่องสำอาง อาหาร และ สุขภาพ ระยะเวลา 8 เดือน เริ่มต้นตั้งแต่วันที่ 1 พฤศจิกายน พ.ศ. 2563 จนถึง วันที่ 30 มิถุนายน พ.ศ. 2564 โดยมีสองขั้นตอนการทำงานหลักคือ (1) การพัฒนาโมเดลพยากรณ์โดยอาศัยการเรียนรู้เครื่องกล (Machine-Learning) และการเรียนรู้เชิงลึก (Deep-Learning) (2) การพัฒนาเว็บแอปพลิเคชันในแบบ (Interactive-Web Analytic Performance Dashboard) 

โดยในกิจกรรมแรกทางทีมนักวิจัยเริ่มต้นจากการนำข้อมูลภาษาไทยที่สกัดมาจากเว็บไซต์พันทิปที่ผ่านการประมวลผลภาษาล่วงหน้า จำนวนทั้งหมด 60,084 ประโยคมาทำการสกัดตัวแปร (Feature extraction) โดยใช้วิธี Bag-of-Words (BOW), Term Frequency-Inverse Document Frequency (TF-IDF) ใช้ในการสร้างโมเดลจากอัลกอริทึมของการเรียนรู้เครื่องกล และวิธี Word-embedding สำหรับการเรียนรู้เชิงลึก ผลการทดลองเผยให้เห็นว่าการแตกตัวแปรอิสระแบบ TF-IDF และอัลกอริทึม Logistic regression (LR) เป็นโมเดลพยากรณ์ที่ดีและเหมาะสมในการนำไปใช้มากที่สุด จากการสำรวจประสิทธิภาพของโมเดลโดยใช้ตัววัดทั้งหมด โมเดล LR มีประสิทธิภาพเป็นที่น่าพอใจ โดยมีค่าความถูกต้องในการพยากรณ์อยู่ที่ 77.93 % จากการทำนายประโยคจากอารมณ์สามขั้ว บวก ลบ และมีค่าเฉลี่ยกลาง  F1-score อยู่ที่ 70.3 ตัวโมเดลได้ถูกนำไปใช้โดยเปลี่ยนเป็น byte stream เพื่อใช้งานในส่วนระบบของหลังบ้าน (back-end) ในส่วนเชื่อมต่อประสานกับผู้ใช้ User interface (UI) ต่อไป 

กิจกรรมที่สอง ทางทีมได้พัฒนาระบบเว็บแอปพลิเคชันการวิเคราะห์ความรู้สึกคิดเห็นเชิงโต้ตอบ (Interactive sentiment dashboard) ด้วยหลักการ Nested model for visualization design โดยเริ่มจากการทบทวนวรรณกรรมและการศึกษาผู้ประกอบการ SME เกี่ยวกับการรับฟังและสำรวจความคิดเห็นของผู้บริโภคที่มีต่อสินค้า เพื่อกำหนดปัญหาการเข้าถึงข้อมูลความรู้สึกคิดเห็นจากบทวิจารณ์สื่อสังคมออนไลน์และความต้องการของผู้ใช้งาน และทางทีมนักวิจัยได้ออกแบบส่วนต่อประสานกับผู้ใช้งาน (User interface) ให้รองรับการใช้งานได้ (Usable) การใช้งานบนอุปกรณ์หลายชนิดที่มีขนาดหน้าจอแตกต่างกัน (Responsive) และปฏิสัมพันธ์การใช้งานระหว่างระบบกับผู้ใช้ (Interactive) โดยได้ใช้เว็บเทคโนโลยีหลายตัว อาทิ HTML5, CSS, JavaScript โดยประยุกต์ใช้ Angular JS ซอฟต์แวร์เฟรมเวิร์กและไลบรารี D3.js ในการพัฒนาเว็บแอปพลิเคชันการวิเคราะห์ความรู้สึกคิดเห็นเชิงโต้ตอบ 

ผลการประเมินระบบกับผู้เข้าร่วม (ผู้ประกอบการ SMEs) 10 รายผ่านกรณีศึกษา พบว่าผู้เข้าร่วมส่วนใหญ่มีความพึงพอใจกับการใช้งานระบบวิเคราะห์ความคิดเห็นและความรู้สึก สามารถเห็นวิธีการแนวทางการใช้ระบบเพื่อไปต่อยอดทางธุรกิจทางการตลาดได้ นอกจากนี้ทางทีมนักวิจัยยังได้พัฒนาระบบเว็บการสำรวจความคิดเห็นและความรู้สึก (Web customer sentiment survey) เนื่องจากต้องการสนับสนุนกลุ่มผู้ประกอบการ SME รายเล็กในการสำรวจความรู้สึกคิดเห็นของกลุ่มผู้บริโภคเป้าหมายที่มีต่อสินค้า และจากการทดสอบเว็บการสำรวจความคิดเห็นเกี่ยวกับผลิตภัณฑ์ทดลองกับกลุ่มเป้าหมายจำนวน 50 ราย พบว่ากลุ่มเป้าหมายมีค่าเฉลี่ยของระดับความพึงพอใจต่อประสบการณ์ในการใช้งานเว็บ Customer sentiment survey คะแนนเต็ม 5 อยู่ที่เท่ากับ 4.20 คะแนน และปัจจัยตัวบ่งชี้สำหรับการออกแบบเว็บฟอร์ม Customer sentiment survey ที่มีผลต่อความพึงพอใจของผู้ใช้ คือ 1) ประโยชน์ของเว็บแบบฟอร์มในการเก็บข้อมูลความรู้สึกคิดเห็นที่มีประสิทธิภาพ 2) การออกแบบตัวช่วย (guideline) ในการตอบคำถามลงในแบบฟอร์ม และ 3) การออกแบบเว็บฟอร์มให้เป็นมิตรกับผู้ใช้ (User friendly) ง่ายต่อการใช้ ส่วนตัวบ่งชี้ที่นักออกแบบสามารถนำมาพิจารณาน้อยที่สุดคือ การออกแบบเว็บแบบฟอร์มที่ช่วยทำให้ผู้ใช้รู้สึกมั่นใจว่าได้กรอกแบบฟอร์มสำเร็จแล้ว

สุดท้ายนี้ระบบวิเคราะห์ความรู้สึกคิดเห็นจากสื่อสังคมออนไลน์ กรณีศึกษาสินค้าเครื่องสำอาง อาหาร และ สุขภาพได้ถูกพัฒนาเป็นที่เรียบร้อยแล้ว ทางทีมนักวิจัยหวังว่าระบบนี้จะให้ประโยชน์กับผู้ประกอบการ SME และ ผู้ที่เกี่ยวข้อง รวมถึงผู้ที่สนใจในการทำวิจัยเชิงรุกสำหรับการวิเคราะห์ความรู้สึกโดยใช้การประมวลผลภาษาธรรมชาติ (NLP) ผู้ที่สนใจสามารถนำไปใช้ได้โดยผ่านทางเว็บไซต์ http://kt.cmtourism.org/ โดยเข้าระบบผ่านชื่อผู้ใช้ username: [email protected] และ password: secret หรือลงทะเบียนใหม่ได้ที่หน้าเว็บไซต์