Classification of User Opinions on Healthy Meal Delivery Services on Online Platforms Using Text Mining Techniques

Abstract

This research aims to classify opinionated text related to healthy restaurants on online platforms. The dataset consists of 1,000 text samples, which are categorized into two classes: positive opinions and negative opinions. The data were processed through several text preprocessing steps, including text cleaning, Thai word segmentation, and transformation of textual data into numerical vector representations. Subsequently, the dataset was evaluated using a five-fold cross-validation technique to compare the performance of deep learning methods based on natural language processing models. The models employed in this study include the Recurrent Neural Network, Bidirectional Recurrent Neural Network, Gated Recurrent Unit, and Bidirectional Gated Recurrent Unit. The research results indicate that the Bidirectional Gated Recurrent Unit (Bi-GRU) model achieved the highest performance. The model obtained an accuracy of 91.30%, a precision of 0.91, a recall of 0.91, an F1-score of 0.91, and an area under the receiver operating characteristic curve (AUC) of 0.96, respectively.

งานวิจัยนี้มีวัตถุประสงค์เพื่อจำแนกข้อความการแสดงความคิดเห็น ที่มีต่อร้านอาหารสุขภาพบนแพลตฟอร์มออนไลน์ โดยใช้ชุดข้อมูลจำนวน 1,000 รายการ แบ่งเป็น 2 ประเภท ได้แก่ ความคิดเห็นเชิงบวก และ ความคิดเห็นเชิงลบ ข้อมูลถูกนำมาผ่านกระบวนการทำความสะอาดข้อความ การตัดคำภาษาไทย และการแปลงข้อความเป็นเวกเตอร์ตัวเลข จากนั้นทำการแบ่งข้อมูลเพื่อทดสอบด้วยวิธี การตรวจสอบแบบไขว้ 5 ส่วน เพื่อทำการเปรียบเทียบประสิทธิภาพของเทคนิคการเรียนรู้เชิงลึกบนพื้นฐานของโมเดลประมวลผลภาษาธรรมชาติ ได้แก่ แบบจำลองโครงข่ายประสาทเทียมแบบวนซ้ำ แบบจำลองโครงข่ายประสาทเทียมแบบวนซ้ำสองทิศทาง แบบจำลองโครงข่ายประสาทเทียมแบบหน่วยวนซ้ำที่มีกลไกประตู และแบบจำลองโครงข่ายประสาทเทียมแบบหน่วยวนซ้ำที่มีกลไกประตูสองทิศทาง ผลการวิจัยพบว่า แบบจำลองที่ใช้เทคนิคโครงข่ายประสาทเทียมแบบหน่วยวนซ้ำที่มีกลไกประตูสองทิศทาง มีประสิทธิภาพสูงสุด ด้วยค่าความถูกต้องร้อยละ 91.30 ค่าความแม่นยำ 0.91 ค่าการระลึก 0.91 และค่าการถ่วงดุล 0.91 และการวิเคราะห์เส้นโค้งคุณลักษณะ 0.96 ตามลำดับ