Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/79307
| Title: | ระบบวิเคราะห์อารมณ์ จากบทสนทนาในละครโทรทัศน์ของไทย |
| Other Titles: | Emotional analysis system from dialogs in Thai drama |
| Authors: | มนัสนันท์ เสนาะเสียง พิชามญชุ์ ศิลาพัชรนันท์ |
| Advisors: | ภควรรณ ปักษี |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์ |
| Subjects: | ละครโทรทัศน์ การวิเคราะห์เนื้อหา การประมวลผลข้อความ Television plays Content analysis (Communication) Text processing (Computer science) Emotions on television |
| Issue Date: | 2563 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ในปัจจุบันการตรวจจับอารมณ์เข้ามามีบทบาทในการช่วยให้เกิดความตระหนักรู้ถึงอารมณ์ของตนเองมากขึ้น อีกทั้งทางผู้พัฒนามีความสนใจเกี่ยวกับการตรวจจับอารมณ์โดยใช้ระบบคอมพิวเตอร์และเล็งเห็นถึงความสำคัญของการตรวจจับและวิเคราะห์อารมณ์จากบทสนทนา จึงจัดทำโครงงาน “ระบบวิเคราะห์อารมณ์จากบทสนทนาในละครโทรทัศน์ของไทย” โดยมีวัตถุประสงค์ คือ ศึกษาการจำแนกประเภทของอารมณ์ตามบริบทของบทสนทนาในละครโทรทัศน์ภาษาไทย และวิเคราะห์อารมณ์จากบทสนทนา ดังนั้นบทสนทนาจากละครโทรทัศน์ถูกเก็บรวบรวมมาใช้เป็นข้อมูล สำหรับการออกแบบและพัฒนาวิธีการจำแนกประเภทอารมณ์ของบทสนทนา ซึ่งข้อความบทสนทนาที่นำมาวิเคราะห์จะไม่ครอบคลุมคำแสลงและคำที่สะกดผิด โดยผู้พัฒนาระบุอารมณ์ที่วิเคราะห์จากข้อความบทสนทนาออกเป็น 6 อารมณ์ ได้แก่ มีความสุข เสียใจ กลัว ประหลาดใจ โกรธ และรังเกียจ โครงงานนี้พัฒนาขึ้นมาโดยใช้ภาษาไพทอน มีการใช้ไลบรารี PyThaiNLP ในการประมวลผลภาษา และใช้ไลบรารี Sklearn ในการสร้างแบบจำลองการจำแนกข้อมูลด้วยเทคนิคการเรียนรู้ด้วยเครื่อง ทั้งนี้ได้มีการทดลองการพัฒนาแบบจำลองการจำแนกข้อมูลกับเทคนิคการเรียนรู้ด้วยเครื่อง 3 เทคนิค ได้แก่ นาอีฟเบย์ ซัปพอร์ตเวกเตอร์แมชชีนและเคเอ็นเอ็น รวมไปถึงการทำงานร่วมกับ Grid search ซึ่งผลทดสอบการพัฒนาแบบจำลองการจำแนกอารมณ์ของข้อความบทสนทนา พบว่า เทคนิคที่ได้ประสิทธิภาพดีที่สุดคือ ซัปพอร์ตเวกเตอร์แมชชีนร่วมกับ Grid search ผู้พัฒนาคาดหวังว่าโครงงานนี้จะเป็นประโยชน์ต่อผู้ที่สนใจศึกษาและพัฒนาระบบวิเคราะห์อารมณ์ในภาษาไทยต่อไป |
| Other Abstract: | Nowadays, emotional detection plays a role in helping to raise awareness of one's own emotions. Developers are also interested in emotional detection using the computer system and realized the importance of detecting and analyzing emotion from the dialog texts. So, the project “emotional analysis system from dialogs in Thai drama” is implemented with the objectives that are to study the classification of emotional categories from the context of dialogue in Thai drama and to analyze the emotions from conversation. Therefore, the dialogs of Thai drama have been collected to be used as data for design and develop the emotional classification of dialogs in Thai drama. The analyzed dialogs do not include slangs and misspelled words. Developers identify the emotions’ categories of dialogs analyzed from the conversation into 6 emotions: joy, sad, fear, surprise, angry and disgust. This project was developed using Python language, PyThaiNLP library for natural language processing, and Sklearn library for building the classification model with the machine learning techniques. There are experiments on the implementation of classification model with 3 different machine learning techniques: Naive Bayes classifier, Support Vector Machine, and K-Nearest Neighbor, including cooperating with Grid search. The testing result of the emotional classification model implementation found that the best performance of classification is Support Vector Machine with Grid search. Developers expect that this project will be useful to those who are interested in studying and implementing Thai language emotional analysis systems. |
| Description: | โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2563 |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/79307 |
| Type: | Senior Project |
| Appears in Collections: | Sci - Senior Projects |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 63-SP-COMSCI-048 - Pichamon Silapatcharanun.pdf | 53.7 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.