ล้าง markup, punctuation และ emoji ตามแนวทางของงานเดิม
PREDICT · READ ONLY · LEGACY MODEL RECOVERED
ก่อนนักเรียนจะตอบ
ภาษาส่งสัญญาณอะไร
วิเคราะห์แนวโน้ม Facebook reaction ต่อข้อความภาษาไทยเกี่ยวกับ TCAS และการเข้าศึกษาต่อ ระบบคืนค่าครบทั้ง 6 reaction พร้อมสองอันดับแรก—โดยไม่เก็บข้อความและไม่เปลี่ยนโมเดล
2,090 ข้อมูลต้นทาง
1,013 หลัง downsampling
0.803 test accuracy
MODEL OUTPUT
ผลลัพธ์จะปรากฏตรงนี้
ระบบจะแสดง distribution ทั้งหมด ไม่ซ่อนความลังเลไว้หลังป้ายคำตอบเดียว
PRIMARY + SECONDARY SIGNAL
—
+
SYSTEM STATUS
รู้ว่าโมเดลใดกำลังตอบ
- ENGINE
- TF-IDF + ComplementNB
- FEATURES
- กำลังอ่าน…
- STORAGE
- ไม่เก็บข้อความที่ทำนาย
- SCOPE
- ข่าวและบทสนทนา TCAS
CONFIRM · LEARN · REVERSE
เรียนรู้เพิ่มได้
และถอนออกได้จริง
เฉพาะข้อมูลที่มีสิทธิ์ใช้และมี reaction ที่มนุษย์ยืนยันแล้วเท่านั้น ทุก mutation เก็บ sparse vector เดิมไว้เพื่อ Unlearn, Restore หรือ Relabel โดยไม่ต้องประมวลผลข้อความใหม่
MODEL ADMINISTRATION
เห็นทั้งสถานะ
และประวัติการเปลี่ยน
รายการนี้เป็น online evidence เท่านั้น ไม่รวม training corpus เดิม ใส่ password เมื่อต้องการแก้สถานะหรือ label
| Document | Confirmed | Model now | Status | Operation |
|---|---|---|---|---|
| กำลังโหลด… | ||||
Learning events
- ยังไม่มี event
FROM STUDENT PROJECT TO RESEARCH LAB
กู้โมเดลเดิม
โดยไม่กู้ข้อผิดพลาดเดิม
โมเดลและ vocabulary จากงานปี 2022 ถูกเก็บเป็น baseline ที่ไม่เปลี่ยนแปลง ส่วน service และหน้าจอถูกสร้างใหม่ให้ตรวจสอบสถานะ จัดอันดับ probability อย่างถูกต้อง และแยก prediction ออกจากการจัดเก็บข้อมูล
ใช้ vocabulary และน้ำหนักที่เรียนรู้จากชุดข้อมูลต้นฉบับ
คำนวณ probability ของ Like, Love, Haha, Wow, Sad และ Angry
เรียงจาก probability จริง แล้วแสดงทั้งคู่พร้อม margin และ coverage
EVIDENCE · NOT A PROMISE
80% บอกอะไร
และไม่ได้บอกอะไร
คะแนนจาก test split เป็นหลักฐานของชุดทดลองเดิม ไม่ใช่การรับประกันข้อความใหม่ทุกชนิด การทดสอบหน้าเว็บ 10 ข้อความทายอันดับหนึ่งถูก 6 ข้อความ
Haha.920
Love.879
Like.818
Sad.789
Wow.648
Angry.620
RESEARCH PROVENANCE
Online Social Media Sentiment Analysis for University Admission
โครงงานวิทยาการคอมพิวเตอร์ประยุกต์ ปีการศึกษา 2564 และบทความ “Enhanced Sentiment Detection in Thai University Admissions Using Complement Naive Bayes” ปี 2024
- ณัฐพนธ์ ทองทาNattapon Tongta
- นฤเบศร ใจสมัครNaruebet Jaisamak
- ปาณิสรา หลักหาญPanisara Lakhan
อาจารย์ที่ปรึกษา ดร.วรินทร์ วัฒนพรพรหม · ดร.วิธวินท์ สุสุทธิ