โปรแกรมสรุปเนื้อหาข่าวกีฬาฟุตบอล

กรวิชญ์ กำปั่นทอง; อภิชัย สมนาม

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/64172

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	นฤมล ประทานวณิช	-
dc.contributor.author	กรวิชญ์ กำปั่นทอง	-
dc.contributor.author	อภิชัย สมนาม	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์	-
dc.date.accessioned	2020-02-15T15:28:34Z	-
dc.date.available	2020-02-15T15:28:34Z	-
dc.date.issued	2561	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/64172	-
dc.description	โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2561	en_US
dc.description.abstract	โครงการวิจัยในชั้นเรียน เรื่อง “โปรแกรมสรุปเนื้อหาข่าวกีฬาฟุตบอล” มีวัตถุประสงค์ คือ พัฒนาโปรแกรมสรุปเนื้อหาข่าวสารเกี่ยวกับกีฬาฟุตบอล โดยนำเทคนิคการเรียนรู้ของเครื่อง มาประยุกต์ใช้เริ่มจากการใช้ word embedding ซึ่งเป็นวิธีที่ใช้สำหรับเปลี่ยนคำเป็นเวกเตอร์จำนวนจริง หลังจากนั้นใช้ตัวแบบทางคณิตศาสตร์ sequence-to-sequence มาใช้ในการประมวลข้อมูลข่าวเพื่อสร้างสรุปข่าว ในส่วนของการวัดผลนั้น เพื่อเปรียบเทียบคะแนนที่ได้จากสรุปที่ได้จากตัวแบบทางคณิตศาสตร์และสรุปที่ได้จากการสุ่ม คณะผู้จัดทำใช้ BLEU scores ซึ่งวัดว่ามีจำนวนคำที่เหมือนกับสรุปข่าวจริงอยู่กี่คำ ทั้งแบบ 1-gram ที่พิจารณาคำแต่ละคำแยกกัน และแบบ 2-gram ที่พิจารณาสองคำที่อยู่ติดกัน ผลการวิจัยที่ได้แสดงให้เห็นว่า สรุปที่ได้จากตัวแบบทางคณิตศาสตร์นั้นดีกว่าสรุปที่ได้จากการสุ่มโดยเฉพาะเมื่อพิจารณาแบบสองคำที่อยู่ติดกัน นอกจากนี้สรุปที่ได้จากโมเดลสามารถอ่านแล้วพอเข้าใจได้ว่าทีมใดชนะ	en_US
dc.description.abstractalternative	The objective of this project is to apply machine learning techniques for soccer’s news summarization. First, we used a word embedding technique which converts words into numerical vectors. Then, we applied a sequence-to-sequence model to learn the conversion of news scripts to their corresponding summaries. To evaluate the model performance, we used 1-gram and 2- gram BLEU scores to compute the number of words that the model and the random procedure recalled from the true summaries. Our results reveal that the summaries from the sequenceto- sequence model had higher BLEU scores than the output from random summarization, especially on the 2-gram BLEU scores, indicating more readability. Additionally, the model’s summaries were moderately understandable which team was the winner.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	การเรียนรู้ของเครื่อง	en_US
dc.subject	ข่าวกีฬา	en_US
dc.subject	โปรแกรมประยุกต์	en_US
dc.subject	Machine learning	en_US
dc.subject	Sports journalism	en_US
dc.subject	Application software	en_US
dc.title	โปรแกรมสรุปเนื้อหาข่าวกีฬาฟุตบอล	en_US
dc.title.alternative	Soccer News Summarization	en_US
dc.type	Senior Project	en_US
dc.email.advisor	naruemon.p@chula.ac.th	-
Appears in Collections:	Sci - Senior Projects

Files in This Item:

File	Description	Size	Format
Korawitch_K_Se_2561.pdf		1.24 MB	Adobe PDF	View/Open

Show simple item record