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
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
In the world of blood donation, there are 2 types of people: those who donate blood and those who don't. Most campaigners emphasize how to persuade more people to donate blood and recruit more new blood donors. We believe that even though such focus is important, there're more critical aspects that might have been neglected, which is: for those who have already made up their minds to be blood doners, will they be successful in donating when the time comes? According to our studies, only 63 % of attempted doners are successful. Regrettably, 37 % has to go home disappointed as their bodies are not fit for the conditions required by Red Cross medical staff at blood donation centers (which include some most basic preparations such as low-fat food intake and 8-hours sleep on the night before). Our campaign, ‘Blood in Need, Buddy Indeed’, focuses on 2 aspects. Firstly, to persuade more people to donate blood. Secondly, for those who have made up their minds to donate blood, we will provide necessary support (both body and mind) so that they are fully prepared and successful in donating blood when the time comes via networks of systems, staffs and the newly designed and prototype of the application ‘Blood D’. Our campaign covers the whole ‘before/during/after’ experience of users (as blood doners). Support includes assessment of their current condition whether they are within the requirement of Red Cross Blood Bank. ‘Blood D’ will also provide relevant information on blood donating events, such as locations, and time booking. Once sign-up, the application “Blood D” will sent friendly reminder and clear infographic on how to prepare their bodies as daily notifications during the 7 days countdown. This is to ensure that the users’ blood will be ‘D’ (homophone of the Thai word ‘ดี’ which mean ‘good’ and at the same time playing on the word ‘ Buddy’) or be the ‘good blood’ that can save lives for those in need. After organizing 4 blood donation events both within and outside the KMITL. The numbers of successful blood doners have increased from 63 % to 78 % (this number is the average of 4 events, with the most successful event of 89%). The campaign has won the first runner up in national blood donation campaign competition. It is highly anticipated that once the application “Blood D” is fully launched, it will help increase the amount of blood collected up to 15% with the same numbers of existing doners.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
Here, We Luckier in Love Everyday". Introducing you a Lakshmi 2025 Edition. Amidst the buzz of the mall, take charge of your love destiny—because fate is so last season.
คณะวิศวกรรมศาสตร์
Under The National Broadcasting and Telecommunications Commission (NBTC), the Telecommunication Enforcement Bureau collects a lot of data on service quality by monitoring and controlling the quality of telecommunications services, mainly by assessing mobile network infrastructure. The NBTC used Microsoft Excel for data analysis but became ineffective and slow. We used Python programming for preparation, analysis, and data processing to address this. Raw data was obtained from the Syberiz program in CSV format, processed in Python, and displayed on a dashboard. The dashboard, developed using Power BI, meets NBTC's telecommunications quality standards. It features maps, test results, and graphical representations. This method enhances the dashboard's appearance and usability and speeds up data processing and visualization compared to Microsoft Excel. This project is primarily designed to help the Telecommunication Enforcement Bureau's operations by making data processing and display for telecommunications quality monitoring faster, more effective, and easier to use.