| 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. |
Creative Commons License