แบบจำลองวิเคราะห์ความรู้สึกผู้ใช้ทวิตเตอร์ต่อทวิตของสัตยา นาเดลลา เรื่องการขยายความร่วมมือของไมโครซอฟท์และโอเพนเอไอ

งานวิจัยแบบจำลองวิเคราะห์ความรู้สึกผู้ใช้ทวิตเตอร์ต่อทวิต ของสัตยา นาเดลลา เรื่องการขยายความร่วมมือของไมโครซอฟท์และโอเพนเอไอฉบับนี้มีวัตถุประสงค์เพื่อศึกษาถึงหลักการจำแนกข้อความความคิดเห็นของผู้ใช้โซเชียลมีเดียและศึกษา Machine learning โดยการดึงข้อมูลจากทวิตเตอร์ ไป pre-processing แล้วจึง labelling โดย python ด้วย SA-Lexicon VADER แล้วนำข้อมูลชุดใหม่ไปจำแนกข้อความเพื่อใช้ในการวิเคราะห์ข้อมูลด้วย 3 อัลกอริธึม ซึ่งการวัดค่าความถูกต้องและการทดสอบโมเดลจะมาจากชุดข้อมูลฝึกที่ได้ Sentiment label by VADER ทั้งหมดมิได้มีการ manual label แต่อย่างใด แต่ในส่วนชุดข้อมูลทดสอบจะทำ manual label มาทดสอบกับโมเดลดังกล่าว ด้วยข้อจำกัดนี้จึงทำให้ความเที่ยงตรงไม่ผันแปรกับ training set model ซะทีเดียวผลลัพธ์พบว่าค่าความแม่นยำจากอัลกอริธีมเพื่อนบ้านใกล้ที่สุดอยู่ที่ร้อยละ 51.12 ต้นไม้ตัดสินใจได้ร้อยละ 54.41 และนาอีฟเบย์ได้มากที่สุดร้อยละ 63.73 จากนั้นนำโมเดลไปทดสอบกับชุดข้อมูลทดสอบโดยค่าความแม่นยำแต่ละอัลกอริธึม ต้นไม้ตัดสินใจได้ร้อยละ 34.18 เพื่อนบ้านใกล้ที่สุดได้ที่ร้อยละ 36.71 และนาอีฟเบย์ได้มากที่สุดที่ร้อยละ 39.24