ระบบจัดเก็บและค้นหางานวิจัยอัจฉริยะ

การวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาทเทียมแบบ GRU

ผศ.ดร.นิกร กรรณิกากลาง | การวิเคราะห์ความรู้สึก ชุดข้อมูล IMDB โครงข่ายประสาทเทียมแบบ GRU

จำนวนผู้เข้าชม

977

การวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาทเทียมแบบ GRU

ยังไม่มีไฟล์เอกสาร

Collection	RMUTK Research Repository (RMUTK IR) บทความประชุมวิชาการ — Proceedings
ID RMUTK Digital	RMUTK000070
Title	การวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาทเทียมแบบ GRU
Alternative title	Sentiment Analysis on the IMDB Dataset Using GRU
Authors	ผศ.ดร.นิกร กรรณิกากลาง ผู้แต่งหลัก
Faculty	คณะบริหารธุรกิจ
Volume / Issue / Pages	pp.3424-3434
Conference	การจัดการในยุคเทคโนโลยีนำการเปลี่ยนแปลง ครั้งที่ 8 ประจำปี 2569 (MDTE 2026)
Conference Date	2026-04-24
Conference Location	วิทยาลัยนวัตกรรมการจัดการ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ (รูปแบบออนไลน์)
Year	2569
Level	ระดับชาติ
DOI	-
ISBN / ISSN	978-616-8387-16-0
Funding Source	มทร.กรุงเทพ
Abstract	งานวิจัยนี้มีวัตถุประสงค์ดังนี้ (1) เพื่อวิเคราะห์ความรู้สึกจากชุดข้อมูล IMDB ด้วยโครงข่ายประสาท เทียมแบบ GRU และ (2) เพื่อเปรียบเทียบประสิทธิภาพจากชุดข้อมูล IMDB ด้วยโครงโครงข่ายประสาทเทียม ด้วย GRU กับเทคนิคพื้นฐาน โดยใช้ข้อมูลรีวิวภาพยนตร์ภาษาอังกฤษจำนวนทั้งสิ้น 50,000 รีวิว ประกอบด้วย รีวิวเชิงบวก (Positive) จำนวน 25,000 รีวิว และรีวิวเชิงลบ (Negative) จำนวน 25,000 รีวิว แบ่งข้อมูล ออกเป็นชุดฝึกสอนร้อยละ 80 (40,000 รีวิว) และชุดทดสอบร้อยละ 20 (10,000 รีวิว) ผลการวิจัยพบว่า (1) แบบจำลองโครงข่ายประสาทเทียมแบบ GRU ให้ประสิทธิภาพสูงที่สุด โดยมีค่าความถูกต้อง (Accuracy) เท่ากับ 0.8705 ค่า Precision เท่ากับ 0.8653 ค่า Recall เท่ากับ 0.8762 และค่า F1-Score เท่ากับ 0.8707 ตามลำดับ และ (2) ผลการเปรียบเทียบแบบจำลองโครงข่ายประสาทเทียมแบบ GRU มีประสิทธิภาพดีที่สุด เมื่อเทียบกับ Random Forest (Accuracy = 0.8525) และ Decision Tree (Accuracy = 0.7266) ตามลำดับ ผลการวิจัยดังกล่าวแสดงให้เห็นถึงประสิทธิภาพของแบบจำลอง GRU ในการวิเคราะห์ความรู้สึก จากชุดข้อมูลข้อความขนาดใหญ่
Abstract (EN)	This research aimed to: (1) perform sentiment analysis on the IMDB dataset using a Gated Recurrent Unit (GRU) neural network, and (2) compare the performance of the GRU model with baseline techniques. The study utilized 50,000 English movie reviews, comprising 25,000 positive and 25,000 negative reviews. The dataset was divided into 80% training data (40,000 reviews) and 20% testing data (10,000 reviews). The results indicate that: (1) the GRU neural network model achieved the highest performance, with an Accuracy of 0.8705, Precision of 0.8653, Recall of 0.8762, and F1-Score of 0.8707, respectively; and (2) in the comparative evaluation, the GRU model outperformed the baseline methods, including Random Forest (Accuracy = 0.8525) and Decision Tree (Accuracy = 0.7266). These findings demonstrate the effectiveness of GRU in sentiment analysis tasks on large-scale textual datasets.
Keywords (TH)	การวิเคราะห์ความรู้สึก ชุดข้อมูล IMDB โครงข่ายประสาทเทียมแบบ GRU การเรียนรู้เชิงลึก
Keywords (EN)	Sentiment analysis IMDB dataset Gated Recurrent Unit (GRU)deep learning
Access Level	Open Access (เปิดสาธารณะ)

เอกสารดิจิทัล

ยังไม่มีไฟล์เอกสาร