Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/36752
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorวิษณุ โคตรจรัส-
dc.contributor.authorรวิช วาณิชย์พัฒน์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2013-11-29T06:21:56Z-
dc.date.available2013-11-29T06:21:56Z-
dc.date.issued2553-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/36752-
dc.descriptionวิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553en_US
dc.description.abstractข้อมูลที่บุคคลสื่อสารกันทางเว็บบอร์ดหรือโปรแกรมแชทสามารถนำไปใช้ประโยชน์ได้หลายอย่าง เช่น นำไปวิเคราะห์ความเห็นด้วย ไม่เห็นด้วยต่อสินค้าและบริการต่างๆ ซึ่งงานวิจัยที่มีในปัจจุบันได้มุ่งไปที่การตรวจจับความเห็นด้วย ไม่เห็นด้วย หรือเป็นกลางของประโยคเท่านั้น การตรวจจับระดับของความเห็นด้วยและไม่เห็นด้วยให้ได้ละเอียดขึ้น จะสามารถทำให้ข้อมูลการสนทนาถูกนำไปใช้ประโยชน์ได้ดียิ่งขึ้นอีก งานวิจัยนี้จึงเสนอวิธีการใหม่ ซึ่งง่ายต่อการนำไปใช้ในการตรวจจับระดับความเห็นด้วยและไม่เห็นด้วยในการสนทนาออนไลน์ ซึ่งมีระดับความเห็นด้วยที่ตรวจจับได้คือเห็นด้วยอย่างมาก เห็นด้วย เป็นกลาง ไม่เห็นด้วย และไม่เห็นด้วยอย่างมาก โดยเริ่มที่การนำบันทึกข้อความสนทนาไปเข้าโปรแกรม Opinion Finder ซึ่งจะตรวจจับความเห็นด้วยและไม่เห็นด้วยในระดับเดียวก่อน จากนั้นข้อมูลที่ได้ออกมานี้จะถูกใช้ร่วมกับข้อมูลอื่นๆ อีกในการฝึกสอนข่ายงานประสาทเทียมเพื่อให้สามารถแยกแยะระดับของความเห็นด้วยและไม่เห็นด้วยออกมาได้ดีขึ้น ผลการทดลองแสดงให้เห็นว่า วิธีการที่นำเสนอนี้สามารถแยกแยะระดับความเห็นด้วยและไม่เห็นด้วยได้มีผลเป็นที่น่าพอใจen_US
dc.description.abstractalternativeOnline conversation logs from web boards or chat programs can be used for many purposes. For example, the information can be used for analyzing agreement or disagreement about goods or services. Existing researches only focus on identifying agree, disagree, and neutral sentence however. Identifying levels of agreement and disagreement could make available chat logs much more useful. In this thesis, we propose a novel yet easy to implement approach for capturing level of opinions which are Strongly Agree, Agree, No Opinion, Disagree and Strongly Disagree from online chat conversation. Recorded chat conversation logs are first processed by Opinion Finder, which gives polarity opinions as agree/disagree. This information is then used with additional information to train Artificial Neural Network to further recognize the level of agreement/disagreement. The results of our experiment show that agreement/disagreement level can be classified efficiently in multi-levels.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2010.1235-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectกลุ่มสนทนาออนไลน์en_US
dc.subjectการสนทนาผ่านอินเตอร์เน็ตen_US
dc.subjectนิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)en_US
dc.subjectสนทนาวิเคราะห์ -- การประมวลผลข้อมูลen_US
dc.subjectOnline chat groupsen_US
dc.subjectInternet Relay Chaten_US
dc.subjectNeural networks ‪(Computer sciences)‬en_US
dc.subjectConversation analysis -- Data processingen_US
dc.titleการตรวจหาการเห็นด้วยและไม่เห็นด้วยในบทสนทนาออนไลน์en_US
dc.title.alternativeAgreement and disagreement detection in online conversationen_US
dc.typeThesisen_US
dc.degree.nameวิทยาศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิทยาศาสตร์คอมพิวเตอร์en_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisor[email protected]-
dc.identifier.DOI10.14457/CU.the.2010.1235-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
ravich_va.pdf1.62 MBAdobe PDFView/Open


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