ในยุคที่ข้อมูลรีวิวสินค้าบนแพลตฟอร์มอีคอมเมิร์ซมีจำนวนมาก การสรุปความคิดเห็นให้เข้าใจง่ายและใช้งานได้จริงจึงเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอระบบวิเคราะห์รีวิวสินค้าด้วย Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะแง่มุมสำคัญของรีวิว (เช่น การจัดส่ง คุณภาพสินค้า บรรจุภัณฑ์) และวิเคราะห์อารมณ์ (บวก ลบ หรือเป็นกลาง) ของแต่ละแง่มุม ระบบนี้ช่วยให้ผู้บริโภคและร้านค้าสามารถเข้าถึงข้อมูลเชิงลึกได้อย่างมีประสิทธิภาพ โครงการนี้ได้พัฒนา AI สำหรับการวิเคราะห์ ABSA ภาษาไทย โดยใช้ WangchanBERTa ซึ่งฝึกบนข้อมูลภาษาไทย และเปรียบเทียบกับโมเดลต่างๆ เช่น TF-IDF + Logistic Regression, Word2Vec + BiLSTM, และ Multilingual BERT (mBERT/XLM-R) เพื่อประเมินประสิทธิภาพในด้านความแม่นยำ ความเร็ว และการใช้ทรัพยากร นอกจากนี้ยังมีการแสดงผลผ่าน Dashboard Visualization เพื่อให้ผู้ใช้เข้าใจแนวโน้มของรีวิวได้อย่างรวดเร็ว ผลลัพธ์ที่คาดหวังคือการพัฒนาเครื่องมือ AI ที่ใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ ช่วยให้ผู้บริโภคตัดสินใจซื้อสินค้าได้ง่ายขึ้น และช่วยร้านค้าในการปรับปรุงผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพ
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
คณะวิทยาศาสตร์
มะเร็งยังคงเป็นอีกหนึ่งปัญหาด้านสุขภาพที่สำคัญระดับโลก โดยเป็นสาเหตุการเสียชีวิตอันดับสองของคนทั่วโลก ในปัจจุบันนอกเหนือจากการผ่าตัดรักษาโรคมะเร็งแล้ว ยังมีการรักษามะเร็งด้วยวิธีต่างๆ ได้แก่ การฉายรังสี และเคมีบำบัด อย่างไรก็ตามการรักษาด้วยวิธีดังกล่าวทำให้เกิดผลข้างเคียงที่รุนแรงต่อผู้ป่วยได้ เนื่องจากทั้งเซลล์มะเร็งและเซลล์ปกติต่างถูกกำจัดไปพร้อมกัน ดังนั้นจึงมีการใช้โมโนโคลนอลแอนติบอดีที่สามารถจับกับโมเลกุลที่มะเร็งใช้ยับยั้งภูมิคุ้มกันของร่างกาย (immune checkpoint molecule) โดยเฉพาะอย่างยิ่ง TIGIT/PVR (T-cell immunoglobulin and ITIM domain/poliovirus receptor) ซึ่งเป็นโมเลกุลที่เป็นเป้าหมายในการการพัฒนายารักษามะเร็ง การใช้โมโนโคลนอลแอนติบอดีในการยับยั้ง TIGIT แม้จะมีประสิทธิภาพในการรักษาที่ดี แต่จากการทดลองในผู้ป่วยพบว่าสามารถเกิดผลข้างเคียงจากการใช้แอนติบอดีและไปขัดขวางการทำงานตามปกติของร่างกาย และแอนติบอดีมีต้นทุนในการผลิตที่สูง ดังนั้นเพื่อแก้ไขปัญหาเหล่านี้ จึงมีการใช้สารประกอบขนาดเล็กแทน ซึ่งมีข้อดีในเรื่องของความสามารถในการดูดซึมเข้าสู่กระแสเลือดผ่านการรับประทานเข้าไปและคาดว่าสามารถจัดการเนื้องอกได้ดีกว่าโมโนโคลนอลแอนติบอดีเนื่องจากมีขนาดที่เล็กกว่า โดยในการทดลองนี้เราศึกษาตัวยาที่มีความสามารถในการจับกับ TIGIT โดยคัดกรองจากตัวยาที่ผ่านการอนุมัติจาก FDA (Food and Drug Administration) ผ่านวิธี virtual screening และ molecular docking ได้สารประกอบ 100 ตัว และนำมาคัดกรองต่อจนเหลือ 10 ตัว ซึ่งมีค่าความสามารถในการจับ TIGIT อยู่ในช่วง -9.152 to -7.643 kcal/mol จากนั้นสารประกอบเหล่านี้จะถูกประเมินคุณสมบัติทางเภสัชจลนศาสตร์โดยใช้การวิเคราะห์ ADMET (Absorption, Distribution, Metabolism, Excretion, และ Toxicity) เพื่อแสดงให้เห็นว่าตัวยาแต่ละตัวมีคุณสมบัติที่เหมาะสมสำหรับการใช้เป็นยา สารประกอบที่ผ่านเกณฑ์จะถูกวิเคราะห์ต่อโดยคาดคะเนการเปลี่ยนแปลงทางโครงสร้างและความเสถียรในการจับกับ TIGIT ผ่านการใช้ molecular dynamics (MD) เพื่อให้มั่นใจว่าโครงสร้างของโปรตีนจะไม่เปลี่ยนแปลงไป การศึกษานี้แสดงให้เห็นว่าการใช้วิธีการทางคอมพิวเตอร์และการนำยากลับมาใช้ใหม่ (Drug repurposing) สามารถเป็นแนวทางในการค้นหายาที่มีประสิทธิภาพ ซึ่งจะช่วยเร่งกระบวนการพัฒนายารักษามะเร็งใหม่ได้รวดเร็วขึ้น
วิทยาเขตชุมพรเขตรอุดมศักดิ์
ขนมทีี่ทำจากแป้งและมีส่วนผสมทำให้มีความเหนียวคล้ายกับหมากฝรั่ง
คณะวิศวกรรมศาสตร์
โครงการนี้มีเป้าหมายเพื่อ ตรวจจับและจำแนกประเภทของรอยร้าวบนผนัง โดยใช้ AI และการประมวลผลภาพ ผู้ใช้สามารถ อัปโหลดรูปภาพ และระบบจะ วิเคราะห์ประเภทและความรุนแรงของรอยร้าว โมเดลที่ใช้คือ ResNet-50 ซึ่งมีความแม่นยำ 70.59% การปรับแต่งข้อมูลและการเพิ่มข้อมูลช่วยให้การตรวจจับแม่นยำขึ้น เครื่องมือนี้ช่วย ป้องกันความเสียหายทางโครงสร้าง โดยให้คำแนะนำเบื้องต้นสำหรับการบำรุงรักษา