การเปรียบเทียบประสิทธิภาพของอัลกอริทึมตัดคำภาษาไทยในการวิเคราะห์ความรู้สึกของผู้ใช้แอปพลิเคชันติ๊กต๊อก บทความวิจัย

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) เปรียบเทียบประสิทธิภาพของอัลกอริทึมการตัดคำภาษาไทยของไลบรารี        ไพไทยเอ็นแอลพี (PyThaiNLP) ได้แก่ แม็กซิมัมแมตชิง (MM), นิวแม็กซิมัมแมตชิง (NewMM) และลองเกสต์แมตชิง (Longest) ร่วมกับการลบคำหยุด (Stopword) จาก PyThaiNLP และคำหยุดของผู้วิจัย และ 2) ประเมินประสิทธิภาพของแบบจำลอง ได้แก่ นาอีฟเบย์ (NB), รีเกรสชันโลจิสติก (LR), ซัพพอร์ตเวกเตอร์แมชชีน (SVM) และหน่วยความจำระยะยาว-ระยะสั้น (LSTM) ในการจำแนกความคิดเห็นของผู้ใช้แอปพลิเคชันติ๊กต็อก สถิติที่ใช้ในการวิเคราะห์ได้แก่ ความถูกต้อง (Accuracy), ความแม่นยำ (Precision), ความไว (Recall), คะแนนเอฟวัน (F1-score) และเวลา (Training Time) กลุ่มตัวอย่างได้แก่ข้อมูลความคิดเห็นจำนวน 5,519 รายการที่จาก Google Play Store  ผลการวิจัยพบว่า 1) อัลกอริทึมการตัดคำแบบ NewMM ให้ผลลัพธ์ดีที่สุด โดยมีค่า Accuracy 83.52% และ ค่า F1-score 83.06% 2) แบบจำลอง NB ให้ผลลัพธ์สูงสุดในทุกด้าน โดยมีค่า Accuracy 83.73% และ F1-score 83.43% 3) การไม่ลบคำหยุด (Stopword) ให้ผลลัพธ์ที่ดีที่สุดในทุกกรณี แสดงให้เห็นว่าอัลกอริทึมตัดคำและการลบคำหยุดมีผลต่อประสิทธิภาพของการวิเคราะห์ความคิดเห็นอย่างมีนัยสำคัญ