logo
  • English
  • ไทย
  • Log In
    or
    Have you forgotten your password?
logo
  • Communities & Collections
  • Research Outputs
  • Projects
  • People
  • Organizations
  • Statistics
  • English
  • ไทย
  • Log In
    or
    Have you forgotten your password?
  1. Home
  2. Browse by Subject

Browsing by Subject "การประมวลผลภาษาธรรมชาติ (วิทยาการคอมพิวเตอร์)"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Publication
    ระบบกวาดข้อมูลอัจฉริยะสำหรับกรอบงานการคาดการณ์ กรณีศึกษา : การสร้างแผนยุทธศาสตร์ระดับมหาวิทยาลัย กรุงเทพมหานคร : มหาวิทยาลัยหอการค้าไทย /
    (University of the Thai Chamber of Commerce (UTCC), 2024)
    เบญญาทิพย์ ศรีเจริญ
    ;
    คณะวิศวกรรมศาสตร์
    ;
    มหาวิทยาลัยหอการค้าไทย. คณะวิศวกรรมศาสตร์
    งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนา "ระบบเก็บข้อมูลอัจฉริยะ" ที่ช่วยปรับปรุงกระบวนการ "การกวาดข้อมูลแวดล้อม" ซึ่งเป็นส่วนหนึ่งของ "กรอบงานการคาดการณ์ไกล" (Foresight Framework) ให้มีประสิทธิภาพมากขึ้น โดยเฉพาะในด้านการรวบรวมและคัดกรองข้อมูลจากแหล่งที่ไม่เป็นระเบียบ (unstructured data) เช่น บทความออนไลน์และสื่อสังคมออนไลน์ ซึ่งเป็นความท้าทายที่วิธีการแบบดั้งเดิมอย่าง วิธีเดลไฟ (Delphi Method) ยังไม่สามารถจัดการได้อย่างมีประสิทธิภาพ ผู้วิจัยได้นำ การประมวลผลภาษาธรรมชาติ (NLP) และ การเรียนรู้ของเครื่อง (Machine Learning) มาใช้เป็นเครื่องมือหลักในการสร้างแบบจำลองเพื่อคัดแยก ข้อความบ่งชี้อนาคต (Forecast Sentences) ซึ่งถือเป็นข้อมูลสำคัญสำหรับการวางแผนเชิงกลยุทธ์ โดยมีการทดลองเปรียบเทียบคุณลักษณะของข้อมูล (Features) ที่แตกต่างกัน ได้แก่ การใช้ข้อมูลคำกริยาเพียงอย่างเดียว (PoS Only), การใช้คำกริยาร่วมกับปี ค.ศ. (PoS and Year) และการใช้คำสำคัญร่วมกับปี ค.ศ. (Keyword and Year) ผลการศึกษาแสดงให้เห็นว่าแบบจำลองที่ใช้ คำสำคัญและปี ค.ศ. ร่วมกัน ให้ประสิทธิภาพสูงสุดในการคัดแยกข้อความบ่งชี้อนาคตด้วยความแม่นยำ 89.05% โดยใช้อัลกอริทึม Logistic Regression ซึ่งชี้ให้เห็นว่าระบบที่พัฒนาขึ้นสามารถเป็นเครื่องมือสนับสนุนที่มีประสิทธิภาพสำหรับนักวางแผนกลยุทธ์ ช่วยลดความซับซ้อนและลดระยะเวลาในขั้นตอนการรวบรวมและวิเคราะห์ข้อมูลได้อย่างเป็นรูปธรรม นอกจากนี้ งานวิจัยยังได้นำเสนอแนวทางการออกแบบระบบในรูปแบบ Factory Pattern เพื่อให้ระบบมีความยืดหยุ่นและสามารถรองรับการปรับเปลี่ยนเครื่องมือ NLP และ Machine Learning ในอนาคตได้อย่างง่ายดาย ซึ่งจะเป็นประโยชน์อย่างยิ่งในการต่อยอดและพัฒนาในเชิงพาณิชย์ต่อไป.
      87  5203
  • Cookie settings
  • Privacy policy
  • Send Feedback
Central Library, University of the Thai Chamber of Commerce © 2012
Powered by DSpace-CRIS