บทความงานวิจัยศุนย์เทคโนโลยีสารสนเทศ

Information Technology Research Articles

ระบบแนะนำสถานที่ท่องเที่ยวสำหรับนักท่องเที่ยว โดยใช้เทคนิค ดาต้าไมนิ่ง

งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอแนวคิดการออกแบบระบบ
แนะนำสถานที่ท่องเที่ยว สำหรับนักท่องเที่ยว ด้วยการทำเหมือง
ข้อมูล ด้วยการใช้อัลกอริทึมการวิเคราะห์ข้อมูลแบบต้นไม้ตัดสินใจ
(Decision Tree) โดยทำการเปรียบเทียบระหว่าง 3 อัลกอริทึม ได้แก่
อัลกอริทึม J48 REPTree และ Simple Cart ซึ่งในงานวิจัยนี้ได้แบ่ง
สถานที่ท่องเที่ยวออกเป็น 3 ประเภท คือ 1) Natural เป็นสถานที่
ท่องเที่ยวประเภท เกาะ แก่ง ทะเล น้ำตก และสถานที่ท่องเที่ยวที่
เกิดขึ้นเองโดยธรรมชาติ 2) Historical เป็นสถานที่ท่องเที่ยวประเภท
โบราณสถาน และสถานที่ท่องเที่ยวที่มีความเกี่ยวข้องกับ
ประวัติศาสตร์ และ 3) Cultural เป็นสถานที่ท่องเที่ยวประเภทศิลปะ
วัฒนธรรม และสถานที่ท่องเที่ยวที่มนุษย์สร้างขึ้น โดยผลการ
ประมวลผลความแม่นยำของระบบแนะนำอัลกอริทึม J48 มีความ
แม่นยำเท่ากับ 84.73% ในการประเมินความเหมาะสมของกรอบ
แนวคิดระบบแนะนำสถานที่ท่องเที่ยว ได้ค่าเฉลี่ยเท่ากับ 4.67 ส่วน
เบี่ยงเบนมาตรฐานมีค่า 0.58

Read More : Opeb PDF

การพัฒนาระบบช่วยสนับสนุนการตัดสินใจการเลือกซื้อเสื้อผ้า กรณีศึกษาร้าน ขายกางเกงเพ้นท์ 8A Painted Denim

งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอแนวคิดการออกแบบระบบช่วย
สนับสนุนการตัดสินใจการเลือกซื้อกางเกงเพ้นท์ร้าน 8A Painted
Denim ซึ่งในงานวิจัยนี้ได้แบ่งกรอบแนวคิดออกเป็น 5 ส่วน คือ 1) Rule
Base Module เป็นขั้นตอนการเก็บรวบข้อมูลนักศึกษา โดยการทำ
แบบสอบถาม 2) Mapping Module เป็นขั้นตอนในการแบ่งหมวดหมู่
ข้อมูล ตามลักษณะและรูปแบบของตัวแปร เพื่อนำไปใช้ในการวิเคราะห์
หาความสัมพันธ์ของการทำเหมืองข้อมูล 3) Recommendation Module
เป็นส่วนของการประมวลผล เพื่อแนะนำลายกางเกงที่ผู้ใช้งานมีความ
สนใจ 4) Product List Module เป็นขัน้ ตอนการสังเคราะห์ แบ่งประเภท
ของลายกางเกงในร้าน ทำการวิเคราะห์ความสามารถและนำไปใช้ในการ
ให้คำแนะนำ ลายกางเกง 5) Web Portal Module เป็นส่วนของการ
แสดงผลและการติดต่อใช้งานระบบ ซึ่งจะเป็นช่องทางในการรับข้อมูล
เข้าจากลูกค้า กรอกข้อมูล แล้วทำการส่งข้อมูลเพื่อนำมาเปรียบเทียบกับ
รูปแบบพื้นฐานที่ได้จากวิเคราะห์ เพื่อประมวลผลและแนะนำลูกค้า
สำหรับการประเมินผลมี 2 ส่วนคือ 1) การประเมินความเหมาะสมของ
กรอบแนวคิดจากผู้เชี่ยวชาญ 5 ท่าน พบว่า มีความเหมาะสมโดยรวม
อยู่ในระดับสูง เฉลี่ยที่ 3.96/5 (S.D.=0.55) 2) การประเมินผลการ
วิเคราะห์รูปแบบ (Rule base) ผลวิเคราะห์รูปแบบการแนะนำ ลาย
กางเกง ซึ่งได้กฎพื้นฐานจำนวน 44 กฎ และใช้อัลกอริทึม ต้นไม้
ตัดสินใจ C4.5 ในการวิเคราะห์ ซึ่งมีค่าความถูกต้อง 80.495%

Read More : Open PDF

การออกแบบระบบช่วยตัดสินใจเลือกซื้อผลิตภัณฑ์กองทุน กรณีศึกษา บริษัทหลักทรัพย์แห่งหนึ่ง

งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอแนวคิดการออกแบบระบบช่วย
ตัดสินใจเลือกซื้อผลิตภัณฑ์กองทุนของบริษัทหลักทรัพย์ ให้ตรงกับ
ความต้องการของผู้ลงทุน โดยใช้เทคนิคการทำเหมืองข้อมูล (Data
Mining) งานวิจัยนี้ใช้อัลกอริทึม J48, Random Tree, Naïve Bayes
และ Bayesian Net ในการสกัดข้อมูลและเปรียบเทียบผลลัพธ์ของแต่ละ
อัลกอริทึม โดยกรอบแนวคิดการวิจัยแระกอบด้วย 3 โมดูล คือ 1) Pre-
Processing Module คือโมดูลการเตรียมข้อมูลเพื่อนำสู่กระบวนการ
วิคราะห์ 2) Analysis Module คือโมดูลส่วนการวิเคราะห์ข้อมูลเพื่อให้
ได้ผลลัพท์ Rule Base 3) Testing & Result Module คือโมดูลส่วนของ
การทดสอบ และนำผลมาแสดงต่อผู้ใช้งาน ในการประเมินผลกรอบ
แนวคิดใช้ผู้เชี่ยวชาญ 3 ท่านในการประเมินความเหมาะสมของโมเดล
ซึ่งผลลัพธ์คือฌมเดลมีความเหมาะสมโดยรวมอยู่ในระดับสูง ค่าเฉลี่ยที่
4.18 (S.D.= 0.86)

Read More : Open PDF

ระบบแนะนำสินค้าโดยอาศัยข้อมูลของผู้ใช้งานเครือข่ายสังคม ออนไลน์และเทคนิคต้นไม้ตัดสินใจ กรณีศึกษาเฟซบุ๊กเอพีไอ

งานวิจัยนี้นำ เสนอกรอบแนวคิดวิธีการในการเข้าถึงข้อมูลส่วนตัว
เบื้องต้นของผู้ใช้งานเครือข่ายสังคมออนไลน์ (Social Network Profile)
เพื่อจัดเก็บและนำมาประมวลผลต่อด้วยการจัดหมวดหมู่ข้อมูล โดยใช้
เทคนิคต้นไม้ตัดสินใจ (Decision Tree) มาใช้ร่วมกับเทคนิคการกรอง
แบบอิงเนื้อหา (Content-Based Filtering) ในการสร้างระบบแนะนำ
สินค้าร่วมกับข้อมูลของผู้ใช้งานบนเครือข่ายสังคมออนไลน์ โดย
วิเคราะห์จากข้อมูลที่ได้จากการเชื่อมต่อกับส่วนต่อประสานโปรแกรม
ประยุกต์ (API) ของเฟซบุ๊กนำมาแสดงผลข้อมูแบบ JSON และจัดเก็บ
ลงฐานข้อมูล MySQL โดยใช้ตัว SDK สำหรับภาษา PHP กรอบแนวคิด
ประกอบด้วย 2 ส่วนหลักคือ 1) ส่วนของ Recommendation system
ทำหน้าที่แนะนำ ลูกค้า ประกอบไปด้วยส่วนประกอบย่อย 3 ส่วน
คือ ส่วนย่อย Product Association & Rule, ส่วนย่อย Customer profile
และ ส่วนย่อย Recommendation Generator 2) ส่วนของ Website ทำ
หน้าที่เชื่อมต่อกับผู้ใช้งานประกอบด้วยส่วนย่อย 2 ส่วนคือ Front-End
Register แ ล ะ Front-End Recommendation น อ ก จ าก นี้ ยังมีก า ร
ประเมินความพึงพอใจของผู้ใช้ต่อระบบด้วยแบบประเมินตามวิธีของไล
คอร์ท พบว่าผู้ใช้งานมีความพึงพอใจต่อระบบอยู่ในระดับดี

Read More : Open PDF

Framework for e-Learning Recommendation Based on Index of Learning Styles Model

Abstract— Learning is an important activity for learners.
Every learner must learn, but how to learn with the most
effective outcome is still in question. A lot of theories about
learning styles, for example, Kolb’s Learning Styles, VARK
Learning Styles and Index of Learning Styles (ILS) were created.
This paper has adapted ILS with e-Learning method because e-
Learning is an efficient technology that particularly focuses on
learners who wish to study anywhere and anytime. A framework
of e-Learning recommendation by analyzing Index of Learning
Styles Model with data mining was developed. It can reasonably
forecast the best learning style for learner by Decision Tree J48
algorithm with an accuracy of 76.92% (49 rules base). According
to the experts’ evaluation, the framework received the average
3.87 of satisfaction level.

Read More : Open PDF