การวิเคราะห์ข้อความภาษาธรรมชาติตามประมวลกฎหมายอาญา

วีรยุทธ ครั่งกลาง

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/77129

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สุกรี สินธุภิญโญ	-
dc.contributor.author	วีรยุทธ ครั่งกลาง	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2021-09-22T23:29:06Z	-
dc.date.available	2021-09-22T23:29:06Z	-
dc.date.issued	2563	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/77129	-
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2563	-
dc.description.abstract	วิทยานิพนธ์นี้วิเคราะห์การบังคับใช้กฎหมายอาญาของประเทศไทย ในภาค1 บทบัญญัติทั่วไป และภาค2 เฉพาะความผิดเกี่ยวกับชีวิต มาตรา 288 และมาตรา 289 ในลักษณะ10 ความผิดเกี่ยวกับชีวิตและร่างกาย ตามประมวลกฎหมายอาญาของไทย ส่วนแรกของวิทยานิพนธ์นี้ใช้ความรู้ด้านกฎหมายอาญาและคำพิพากษาของศาลฎีกาในการสร้างกฎในการพิจารณาที่มนุษย์สามารถเข้าใจได้ และส่วนที่สองคือการฝึกฝนแบบจำลองด้วยชุดข้อมูลจากคำพิพากษาด้วยเทคนิคการเรียนรู้เชิงลึก โดยแก้ปัญหาความไม่สมดุลของกลุ่มข้อมูลฝึกสอนด้วยการสังเคราะห์ตัวอย่างข้อมูลในกลุ่มอื่น ๆ ให้มีจำนวนเท่ากับกลุ่มที่มากที่สุด และฝึกสอนด้วยโครงข่ายหน่วยความจำระยะสั้นแบบยาวทิศทางเดียวและสองทิศทาง ซึ่งเป็นโครงข่ายประสาทเทียมแบบวกกลับประเภทหนึ่ง และเมื่อวัดประสิทธิภาพแบบจำลองด้วยค่าเฉลี่ยมหภาคเอฟวัน พบว่าแบบจำลองของหน่วยความจำระยะสั้นแบบยาวสองทิศทางให้ประสิทธิภาพสูงกว่าแบบทิศทางเดียว และการใช้ค่าถ่วงน้ำหนักเริ่มต้นจากเรียนรู้ด้วยคลังข้อมูลขนาดใหญ่อื่น ให้ประสิทธิภาพที่สูงกว่าการใช้เฉพาะข้อมูลฝึกสอน และท้ายสุดทำการทดสอบความแม่นยำของแบบจำลองจากข่าวอาชญากรรมด้วยเทคนิคการหาค่าเฉลี่ยความน่าจะเป็น เพื่อใช้เป็นข้อมูลขาเข้าของกฎการพิจารณา พบว่าสอดคล้องกับความเห็นของนักกฎหมาย 59 %	-
dc.description.abstractalternative	This work analyses Thailand’s criminal law enforcement in book 1, general provisions; book 2, specific offences causing death specified in ; sections 288 and 289 of title 10, offenses affecting life and body under the Thai Criminal Code. The first part of this work is using criminal law domain knowledge and supreme court judgment results, to be the initial domain information and result is the rules that humans can understand. The second part of this work is bringing training data set from the final judgment to train with deep learning methods. Due to the training set which have severe imbalances, the Synthetic Minority Over-Sampling TEchnique (SMOTE) is used to solve this problem. Models are trained on the training set using unidirectional Long Short-Term Memory (LSTM) networks and bidirectional Long Short-Term Memory (BiLSTM) are type of Recurrent Neural Networks (RNN). BiLSTM macro-average F1 scores are higher than LSTM. Pre-trained word embeddings are then used to make the macro-average F1 scores higher than before. Finally, using models to predict online crime news, the highest average probability of each model is selected by using Soft Voting as input to the rules. The test results compared with the predictions of our methods with the opinion of the lawyer, corresponding 59%.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2020.1138	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject	การรู้จำอักขระ (คอมพิวเตอร์)	-
dc.subject	การประมวลผลข้อความ	-
dc.subject	Character recognition	-
dc.subject	Text processing (Computer science)	-
dc.subject.classification	Computer Science	-
dc.title	การวิเคราะห์ข้อความภาษาธรรมชาติตามประมวลกฎหมายอาญา	-
dc.title.alternative	An analysis of natural language text relating to Thai criminal law	-
dc.type	Thesis	-
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	วิศวกรรมซอฟต์แวร์	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2020.1138	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
6070971521.pdf		6.43 MB	Adobe PDF	View/Open

Show simple item record