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
คณะบริหารธุรกิจ
This project is a part of KMITL business student’s thesis. The topic is business plan about blazers and trousers made by recycled fabric
คณะอุตสาหกรรมอาหาร
Spent coffee grounds (SCG) are a byproduct of the coffee brewing process, and their quantity continues to increase due to the growing global coffee consumption. SCG contain beneficial compounds such as polysaccharides, dietary fibers, and antioxidants, which can be utilized in various applications, including prebiotic extraction. This study focuses on extracting prebiotics from SCG using acid hydrolysis and enzymatic hydrolysis methods to evaluate their potential in promoting the growth of beneficial gut microorganisms. The expected results of this research include adding value to coffee industry waste, reducing organic waste, and providing a sustainable approach to developing prebiotic products for use in the food and health industries. Furthermore, this study aligns with sustainable resource utilization and environmentally friendly practices.
คณะครุศาสตร์อุตสาหกรรมและเทคโนโลยี
This study aims to develop a board game for teaching Integrated Farming System and to examine the learning achievement of third-year vocational certificate students at Ratchaburi College of Agriculture and Technology who used the board game as a learning tool. The research instruments included a board game developed using the Educational Boardgame Design Canvas. The board game is a strategic planning game consisting of five game boards, and 166 cards categorized into four types: 30 event cards, 60 special action cards, 16 character cards, and 60 production cards. It also includes 180 resource tokens of six kinds: 60 water tokens, 60 soil tokens, 45 plant product tokens, 45 animal product tokens, 45 aquatic product tokens, and 45 currency tokens. Additional components include one die and five player aid sheets. The game emphasizes planning and decision-making in integrated farming to maximize production and achievement points under game conditions and simulated scenarios. Research tools also included pre-and post-tests and a satisfaction questionnaire. The results indicated that students’ average scores significantly increased at the .05 level after using the board game, with the average pre-test score at 6.54 and the post-test score rising to 17.71. Additionally, an analysis of student satisfaction with board game-based learning revealed a high level of satisfaction (mean score = 4.45). The highest-rated aspects were the teacher’s implementation of post-tests (mean score = 4.69) and the engaging and diverse teaching methods used (mean score = 4.66).