การแนะนำหน่วยงานที่เกี่ยวข้องเพื่อดำเนินการตามข้อปรึกษาหารือของสมาชิกรัฐสภาด้วยเทคนิคการจำแนกข้อความ

งานค้นคว้าอิสระนี้ศึกษาและทดสอบความแม่นยำของการแนะนำหน่วยงานที่เกี่ยวข้องกับการดำเนินการตามข้อปรึกษาหารือของสมาชิกรัฐสภา เพื่อพัฒนาโมเดลที่เหมาะสม ช่วยสนับสนุนและยกระดับให้การทำงานของเจ้าหน้าที่สะดวกยิ่งขึ้น และทำให้การแก้ไขปัญหาของประชาชนรวดเร็วยิ่งขึ้น โดยในงานค้นคว้าอิสระนี้ทดสอบเทคนิคการจำแนกข้อความ จำนวน 3 โมเดล ได้แก่ โมเดลการวิเคราะห์ถดถอยแบบโลจิสติค โมเดลนาอีฟเบยส์ และโมเดลการคำนวณข้อมูลที่ใกล้ที่สุด ผ่านการตั้งค่าต่าง ๆ ได้แก่ การเพิ่มชุดข้อมูลหน้าที่และอำนาจเพื่อเพิ่มประสิทธิภาพ และการปรับตั้งค่าเวกเตอร์ให้เหมาะสม โดยจากการประเมินทั้งในเชิงวัตถุวิสัยและภววิสัยพบว่า การนำชุดข้อมูลหน้าที่อำนาจของหน่วยงานมาประกอบการเรียนรู้ของโมเดล นอกเหนือจากชุดข้อมูลข้อปรึกษาหารือของสมาชิกรัฐสภาช่วยเพิ่มประสิทธิภาพได้มากขึ้นอย่างมีนัยยะสำคัญ และโมเดลการวิเคราะห์ถดถอยแบบโลจิสติค เวกเตอร์ Binary Term Occurrence เป็นโมเดลที่มีความแม่นยำมากที่สุด โดยมีค่าความแม่นยำเฉลี่ยที่ 0.62 และสามารถแนะนำได้ถูกต้องตรงกับผู้เชี่ยวชาญด้านการแนะนำหน่วยงานที่เกี่ยวข้องกับข้อปรึกษาหารือร้อยละ 75