Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/42606
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorโปรดปราน บุณยพุกกณะen_US
dc.contributor.advisorอติวงศ์ สุชาโตen_US
dc.contributor.authorศุภกิจ เชื้อธนะภิญโญen_US
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์en_US
dc.date.accessioned2015-06-24T06:11:00Z
dc.date.available2015-06-24T06:11:00Z
dc.date.issued2556en_US
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/42606
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556en_US
dc.description.abstractตั้งแต่สื่อทางสังคมออนไลน์กลายเป็นส่วนหนึ่งของชีวิตประจำวันของคนส่วนใหญ่ ได้ส่งผลกระทบโดยตรงต่อเทคโนโลยีคอมพิวเตอร์หลายแขนง รวมถึงการจำแนกของอารมณ์จากข้อความ เพราะผู้ใช้มีแนวโน้มในการใช้ภาษาไทยในสื่อสังคมออนไลน์เปลี่ยนแปลงไปจากเดิมเป็นอย่างมาก ดังนั้นในงานวิทยานิพนธ์นี้ผู้วิจัยจึงเสนอการคัดเลือกคุณลักษณะสำคัญในการจำแนกอารมณ์ และ การให้น้ำหนักของคำบ่งอารมณ์ พร้อมทั้งเพิ่มวิธีการจับคู่น้ำหนักที่เจ้าของข้อความระบุ ด้วยวิธีการให้น้ำหนักของคำแบบความถี่ของคำกับเดลต้า-ไคสแควร์ จากการทดลองเปรียบเทียบกับวิธีไค-สแควร์ดั้งเดิม พบว่ากรรมวิธีเดลต้า-ไคสแควร์ที่เสนอนี้ ได้ผลความแม่นยำในการจำแนกที่ 88.79% ซึ่งดีกว่าวิธีไค-สแควร์ที่ให้ผลความแม่นยำที่ 80.83% จาก 3,390 ข้อความจากเครือข่ายทางสังคมออนไลน์en_US
dc.description.abstractalternativeSince social media has become part of our daily lives, it has posted some direct effect on computer technologies. This includes the classification of emotions from text. Specifically in Thai language, the trend in writing in social media has changed enormously. Therefore, this thesis proposes a means to improve term selection and term weighting by adding “owner-reader” matching algorithm to the Term Frequency and Delta-Chi Square supervised term weighting method. In our experiment, we compared our approach with the original Chi- Square method and found that our approach outperformed the baseline at 88.79% to 80.83% when tested on 3,390 documents from social network.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2013.82-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectการสื่อทางภาษาเขียน
dc.subjectWritten communication
dc.titleการคัดเลือกคุณลักษณะสำคัญของคำบ่งอารมณ์จากเครือข่ายสังคมออนไลน์en_US
dc.title.alternativeEMOTION TERM FEATURE SELECTION FROM ONLINE SOCIAL NETWORKen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมคอมพิวเตอร์en_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorproadpran.p@chula.ac.then_US
dc.email.advisoratiwong@cp.eng.chula.ac.then_US
dc.identifier.DOI10.14457/CU.the.2013.82-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
5370500621.pdf6.1 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.