การทำ aspect-based sentiment analysis สำหรับศึกษาความชอบของผู้ชมภาพยนตร์บน Netflix ด้วยวิธี fine-tune โมเดล DeBERTa
收藏DataCite Commons2026-05-01 更新2026-05-04 收录
下载链接：
http://doi.nrct.go.th/?page=resolve_doi&resolve_doi=10.14457/TU.the.2025.287
下载链接
链接失效反馈官方服务：
资源简介：
งานค้นคว้าอิสระนี้ศึกษาวิธีการพัฒนารูปแบบการวิเคราะห์ความคิดเห็นเชิงแง่มุม (Aspect-Based Sentiment Analysis ย่อว่า ABSA) สำหรับการศึกษาความชอบของผู้ชมภาพยนตร์บน Netflix โดยการ fine tune โมเดล DeBERTa โดยจะเปรียบเทียบประสิทธิภาพของโมเดล DeBERTa 3 รุ ่น ได้แก่ base, large และ small โดยใช้ชุดข้อมูล 2 รูปแบบคือ ชุดข้อมูลที ่ผ่านการแทนที ่ชื ่อเฉพาะ (Name Entity Replacement: NER) และชุดข้อมูลที ่ไม่ผ่านการแทนที ่ (No NER) และทดลองกับอัตราการเรียนรู้ (Learning Rate) ที่แตกต่างกัน (10-4 และ 10-5) ผลการทดลองพบว่าโมเดล deberta-v3-base ที ่เทรนด้วย dataset NER และใช้ learning rate 10-4 ให้ประสิทธิภาพสูงสุด โดยมีค่าเฉลี ่ย Macro F1-score อยู ่ระหว่าง 0.80-0.82 และมีความผันผวนต่ำ ในขณะที ่โมเดล large พบปัญหาความเสถียรเมื ่อใช้ learning rate สูง (10-4) และโมเดล small ทำประสิทธิภาพได้น้อยกว่าโมเดลอื ่นๆ จึงสรุปได้ว่าการเลือกใช้ dataset hyperparameter และโมเดลที ่นำมาปรับจูนนั ้นส่งผลต่อประสิทธิภาพของแบบจำลอง ABSA ซึ ่งในกรณีนี้โมเดล base ถือเป็นทางเลือกที่สมดุลระหว่างประสิทธิภาพและประชากรที่ใช้
提供机构：
มหาวิทยาลัยธรรมศาสตร์
创建时间：
2026-05-01
