In today’s rapidly expanding e-commerce environment, the massive volume of product reviews makes it crucial to summarize user opinions in a way that is both comprehensible and practically applicable. This research presents a system for analyzing product reviews using Aspect-Based Sentiment Analysis (ABSA), a Natural Language Processing (NLP) technique that identifies key aspects of a review (such as shipping, product quality, and packaging) and evaluates the sentiment (positive, negative, or neutral) associated with each aspect, allowing both consumers and merchants to gain more efficient access to in-depth insights. This project focuses on developing AI for Thai-language ABSA by utilizing WangchanBERTa, a model trained on Thai data, and comparing it with various standard approaches such as TF-IDF + Logistic Regression, Word2Vec + BiLSTM, and Multilingual BERT (mBERT/XLM-R) to assess their performance in terms of accuracy, speed, and resource usage. Additionally, a dashboard visualization is provided to help users quickly grasp review trends. The expected outcome is to create an AI tool that can be practically employed in the e-commerce industry, enabling consumers to make easier purchasing decisions and assisting merchants in effectively improving their products and services.
ปัจจุบันการซื้อขายสินค้าออนไลน์เติบโตขึ้นอย่างรวดเร็ว ทำให้ข้อมูลรีวิวสินค้าจากผู้บริโภคมีปริมาณเพิ่มขึ้นเป็นจำนวนมาก รีวิวเหล่านี้มีบทบาทสำคัญในการตัดสินใจซื้อของลูกค้าและการปรับปรุงคุณภาพสินค้าของร้านค้า อย่างไรก็ตาม ปริมาณข้อมูลที่มากเกินไปและความหลากหลายของรูปแบบการแสดงความคิดเห็นทำให้การสรุปและวิเคราะห์ข้อมูลเหล่านี้เป็นไปได้ยาก ผู้บริโภคต้องใช้เวลามากในการอ่านรีวิวจำนวนมากเพื่อสรุปแนวโน้มความคิดเห็น ในขณะที่ร้านค้าประสบปัญหาในการวิเคราะห์ข้อมูลรีวิวเพื่อปรับปรุงผลิตภัณฑ์และบริการ เพื่อแก้ไขปัญหานี้ งานวิจัยนี้นำเสนอการประยุกต์ใช้ Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะ แง่มุมสำคัญของรีวิวสินค้า (Aspects) และวิเคราะห์ อารมณ์ของแต่ละแง่มุม (Sentiments) โดยอัตโนมัติ การนำเทคนิคนี้มาใช้จะช่วยให้ผู้บริโภคสามารถรับข้อมูลเชิงลึกจากรีวิวได้ง่ายขึ้น และช่วยให้ร้านค้าสามารถใช้ข้อมูลรีวิวเพื่อปรับปรุงสินค้าและบริการอย่างมีประสิทธิภาพ โครงงานนี้ยังมุ่งเน้นการศึกษาว่า แนวทาง AI แบบใดมีประสิทธิภาพสูงสุดในการทำ ABSA สำหรับภาษาไทย โดยเปรียบเทียบ วิธีการประมวลผลภาษาธรรมชาติแบบดั้งเดิม กับเทคนิคการเรียนรู้เชิงลึกที่ทันสมัย เพื่อให้ได้แนวทางที่เหมาะสมที่สุด พร้อมทั้งพัฒนา Dashboard Visualization ที่ช่วยให้ข้อมูลรีวิวถูกนำเสนอในรูปแบบที่เข้าใจง่ายและสามารถนำไปใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ
คณะเทคโนโลยีการเกษตร
Soil is home to a diverse array of living organisms that interact within a complex food web, facilitating energy and nutrient cycling essential for sustaining life above ground. Among these organisms, soil microbes play a crucial role in supporting plant growth. Beneficial microorganisms enhance nutrient availability, improve soil structure by increasing porosity, and strengthen plant resistance to diseases. Conversely, harmful microorganisms, such as plant pathogens, can hinder plant growth and reduce crop yields when present in high concentrations. Neutral microorganisms, which naturally inhabit the soil, contribute to the soil ecosystem without directly impacting plants. A single teaspoon of soil contains over a billion microorganisms, yet only about 1% of them can be cultured in laboratory conditions. This highlights soil as one of the richest reservoirs of microbial diversity on Earth.
คณะวิทยาศาสตร์
The species Enterococcus lactis is closely related to E. faecium and is known for its beneficial and probiotic effects. In this study, strain RRS4 was isolated from Raphanus sativus Linn. and identified based on both phenotypic and genotypic characteristics. Strain RRS4 exhibited cell viability in environments with 2-8% NaCl, pH ranging from 4 to 9, and temperatures between 4°C and 45°C. Through comprehensive genomic analysis, strain RRS4 was confirmed to be E. lactis. E. lactis RRS4 demonstrated inhibitory effects against Vancomycin-resistant E. faecalis JCM 5803. Safety assessments via in silico methods, including KEGG annotation, indicated the absence of virulent and undesirable genes in E. lactis RRS4. VirulenceFinder analysis aligned virulence-related genes with those from three strains of E. lactis and four strains of E. faecium. While antibiotic resistance genes were found to be conserved, they did not correlate with key pathogenicity traits. Furthermore, safety evaluations highlighted that E. lactis RRS4 is generally safe, despite the presence of genes associated with antibiotic resistance. Lastly, we propose guidelines for assessing the safety of microbial strains using whole-genome analysis. These findings represent advancements in probiotic research.
คณะวิศวกรรมศาสตร์
A small hydroponic vegetable growing system simulation kit with water flow system that monitors, maintains and controls the amount of fertilizer in the system.