การจำแนกอนุประโยคอัตวิสัยจากบทความภาษาไทยด้วยการเรียนรู้เชิงลึก

การจำแนกประโยคอัตวิสัยเป็นหนึ่งในขั้นตอนหนึ่งที่สำคัญในการวิเคราะห์อารมณ์จากข้อมูลจำพวกบทความหรือสื่อออนไลน์ ซึ่งข้อมูลเหล่านั้นมีมากขึ้นเป็นทวีคูณ การที่ต้องการสกัดประโยคอัตวิสัยเพื่อใช้เป็นข้อมูลในการผลิตสินค้าจึงสำคัญ แต่อย่างไรก็ตามการวิเคราะห์อัตวิสัยระดับอนุประโยคก็เป็นสิ่งที่ควรสนใจเหมือนกันเนื่องจากอนุประโยคเป็นส่วนประกอบของประโยคที่อาจตัดสินใจได้ว่าเป็นประโยคอัตวิสัย คำที่แสดงถึงอัตวิสัยในอนุประโยคจะมีลักษณะของมันอยู่ซึ่งหากนำมาวิเคราะห์ระดับคำที่ปรากฏในประโยค คาดว่าจะสามารถจำแนกอัตวิสัยได้ดีงานวิจัยนี้จึงต้องการวิจัยอนุประโยคอัตวิสัยโดยใช้การเรียนรู้เชิงลึกอย่างหน่วยความจำระยะสั้นยาวแบบสองทางในการจำแนกและเปรียบเทียบกับการเรียนรู้ของเครื่องอย่างต้นไม้ตัดสินใจ ซึ่งลักษณะที่ใช้ในการเรียนรู้คือคำที่แสดงถึงอัตวิสัยที่ผู้วิจัยวิเคราะห์ขึ้นและคำรอบข้าง และใช้เวิร์ดเอ็มเบ็ดดิงอย่างฟาสต์เท็กซ์ที่เป็นโมเดลสำหรับการเปลี่ยนคำเป็นเวกเตอร์ตัวเลขอีกทั้งงานวิจัยนี้ได้ทดลองสร้างโมเดลจากชุดข้อความในโดเมนหลายโดเมน เพื่อวัดความถูกต้องในการจำแนกโดยใช้ชุดข้อมูล LST20 ที่มีอนุประโยคจำนวน 44,423 อนุประโยคที่ได้ตัดคำไว้แล้ว รวมถึงมีข้อมูลชนิดคำ และชื่อเฉพาะซึ่งถูกนำมาใช้เป็นลักษณะสำหรับการเรียนรู้ของโมเดล ในการวัดประสิทธิภาพของโมเดลได้ใช้การสุ่มเลือกแบ่งข้อมูลแบบความเที่ยงตรง 5 กลุ่ม พบว่าโมเดลที่ดีที่สุดคือหน่วยความจำระยะสั้นยาวแบบสองทางซึ่งให้ค่าความถูกต้อง 84.053% และ ค่าเอฟวัน 68.578% เมื่อกำหนดจำนวนเซลล์ประสาทของหน่วยความจำระยะสั้นยาวแบบสองทางเป็น 200 เซลล์ และใช้ลักษณะคำเท่านั้น