การประยุกต์ใช้โมเดลเบิร์ตเพื่อจำแนกประเภทอาการแพ้จากเนื้อหารีวิวของผู้บริโภคผลิตภัณฑ์ไฮโปแอลเลอเจนนิก

งานวิจัยนี้มีวัตถุประสงค์เพื่อประยุกต์ใช้โมเดลภาษาเบิร์ต BERT (Bidirectional Encoder Representations from Transformers) ในการจำแนกอาการแพ้จากข้อความรีวิวของผู้บริโภคที่ใช้ผลิตภัณฑ์สกินแคร์ประเภทไฮโปอัลโลจีนิก (Hypoallergenic) บนแพลตฟอร์มเซโฟร่า (Sephora) ระหว่างปี พ.ศ. 2561–2568 โดยมีเป้าหมายในการพัฒนาระบบที่สามารถวิเคราะห์และระบุอาการแพ้ได้อย่างแม่นยำจากรีวิวที่ผู้บริโภคเขียน เพื่อส่งเสริมการตัดสินใจเลือกใช้ผลิตภัณฑ์ที่ปลอดภัยและเหมาะสม ในการวิจัย ผู้วิจัยได้รวบรวมข้อมูลจากชุด Sephora Products and Skincare Reviews Dataset บนเว็บไซต์ Kaggle และนำมาผ่านกระบวนการกรองและติดป้ายกำกับอาการแพ้ในรูปแบบการจำแนกหลายป้าย (Multi-label Classification) ขั้นตอนการวิจัยประกอบด้วย 5 ขั้นตอนหลัก ได้แก่ (1) การรวบรวมข้อมูลรีวิว (2) การทำความสะอาดและเตรียมข้อมูล (3) การกำหนดป้ายกำกับอาการแพ้ เช่น รอยแดง ผื่น คัน สิว เป็นต้น (4) การฝึกโมเดลเบิร์ต (BERT) (5) การประเมินผลด้วยค่าประสิทธิภาพ ผลการศึกษาพบว่า โมเดลเบิร์ต (BERT) ที่ได้รับการปรับแต่งโมเดล (Fine-tuning) สามารถจำแนกอาการแพ้จากรีวิวได้อย่างมีประสิทธิภาพ สามารถระบุอาการที่เกี่ยวข้องได้อย่างถูกต้องและครอบคลุม อีกทั้งยังสามารถนำไปใช้ตรวจสอบแนวโน้มและการคาดการณ์อาการแพ้จากข้อมูลรีวิวได้ ซึ่งสะท้อนถึงศักยภาพในการนำไปประยุกต์ใช้เชิงพาณิชย์