การจำแนกประเภทข้อความภาษาไทยบนสื่อออนไลน์ในเชิงบวกและลบด้วยคลังคำหยาบ

Abstract

การใช้คําหยาบภาษาไทยบนสื่อออนไลน์ ถือได้ว่าเป็นเรื่องละเอียดอ่อนมีผลต่อ อารมณ์ ความรู้สึก ซึ่งทําให้ผู้พบเห็น หรือบุคคลที่ถูกกล่าวหาเสื่อมเสีย ถึงขั้นฟ้องร้องกันมากมาย ถ้าร้ายแรงมากอาจทําให้เกิดการฆาตกรรม หรือฆ่าตัวตายได้ ซึ่งเป็นปัญหาอย่างมากสําหรับผู้ดูแล เว็บไซต์ งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการจําแนกประเภทข้อความภาษาไทยในเชิงบวก และลบด้วยคลังคําหยาบ โดยพัฒนาโมเคลุสกัดคําหยาบ หรือตรวจจับคาหยาบด้วยการปรับปรุงคลัง คําหยาบเพื่อให้การตรวจจับคํามีค่าความแม่นยําสูงที่สุด โดยการหาค่าความถี่ของคําสําคัญด้วยการ ใช้เทคนิค TEICF (Term Frequency Inverse Class Frequency) และศึกษาเปรียบเทียบโมเดลการ สกัดคําหยาบด้วยอัลกอรีทีมทั้งหมด 6 อัลกอริมในเทคนิคการจําแนกประเภทข้อมูล ได้แก่ ต้นไม้ ตัดสินใจ (Decision Tree) เคเนียร์เรสเนเบอร์ (K-Nearest Neighbors) นาอีฟเบย์ (Naive Bayes) การ ถดถอยโลจิสติก (Logistic Regression) ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machines) และ โครงข่ายประสาทเทียม (Neural Network) ในงานวิจัยนี้ ทําการทดลองกับข้อความจากกระดาน สนทนาที่ปรากฏในสื่อออนไลน์ ผลการทดลองพบว่า การพัฒนาโมเดลสกัดคํา หรือตรวจจับคํา หยาบโดยการกดคําศัพท์ในคลังคําหยาบสามารถให้ค่าความแม่นยํามากที่สุด และโมเดลการสกัดคํา หยาบด้วยการจําแนกประเภทข้อความนั้น พบว่า การถดถอยโลจิสติก (Logistic Regression)ให้ค่า ความถูกต้องมากที่สุด และค่าความคลาดเคลื่อนเฉลี่ยน้อยที่สุด สามารถเป็นโมเคลสําหรับการสกัด คําหยาบข้อความภาษาไทยบนสื่อออนไลน์ได้แม่นยํา อีกทั้งมีรูปแบบการวิเคราะห์ข้อความที่ง่ายต่อ ความเข้าใจมากกว่าเทคนิคอื่นๆ