แบบจำลองการจำแนกเอกสารภาษาไทยอัตโนมัติ Automatic Thai Document Classification Model

Abstract

บทคัดย่อ

บทความนี้เป็นการนำเสนอวิธีการสร้างแบบจำลองการจำแนกเอกสารภาษาไทยอัตโนมัติ เพื่อประโยชน์ในการแก้ปัญหาการจำแนกเอกสารที่มีปริมาณมากและช่วยประหยัดแรงงานมนุษย์เพราะไม่ต้องใช้มนุษย์ในการจำแนกเอกสาร ซึ่งขั้นตอนการสร้างแบบจำลองเอกสารประกอบด้วย 1) การสกัดคุณลักษณะด้วยการตัดคำ 2) การกำจัดคำหยุดและทำรากศัพท์ 3) การกำหนดค่าน้ำหนัก ดัชนี คำและการลดคุณลักษณะ และ 4) การเรียนรู้ด้วยเครื่องจักรการเรียนรู้แบบมีผู้สอนและทำการทดสอบประสิทธิภาพด้านความถูกต้องของแบบจำลองในจำแนกเอกสาร

Abstract

This article presents the application of modeling to automatic classification of Thai document.  Modeling is beneficial for solving the problem of classifying electronic documents  in a large volume and save human labor. The process of modeling consists of 1) feature extraction with the Thai word segmentation  2) stop-word list removal and stemming.  3) the index of the documents and feature  reduction and 4) learning by machine learning and testing the accuracy of the document classification model.