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
คณะวิศวกรรมศาสตร์
งานวิจัยนี้เสนอแนะการใช้โพลีเมอร์เชือกเสริมเส้นใยธรรมชาติ เพื่อเสริมกำลังเสาคอนกรีตสี่เหลี่ยมรวมรีไซเคิลที่ประกอบด้วยอิฐมวลรวมแข็งจากดินเหนียวเผา เพื่อลดต้นทุนสูงที่เกี่ยวข้องกับโพลีเมอร์เสริมใยสังเคราะห์ ตัวอย่างคอนกรีตจำนวน 24 คอลัมน์เพื่อทำการศึกษาครั้งนี้ ตัวอย่างได้รับการทดสอบภายใต้แรงอัดตามแนวแกนแบบโมโนโทนิก ตัวแปรที่น่าสนใจคือ กำลังของคอนกรีตไม่จำกัดจำนวน และจำนวนชั้น FRR จากผลการทดสอบ ชิ้นงานที่ได้รับการปรับปรุงให้แข็งแกร่งขึ้นแสดงให้เห็นถึงกำลังรับแรงอัดและความเหนียวที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่ง ชิ้นงานที่มีความแข็งแรงไม่จำกัดน้อยที่สุดแสดงให้เห็นถึงการปรับปรุงที่ใหญ่ที่สุดในด้านกำลังรับแรงอัดและความเหนียว โดยเฉพาะกำลังรับแรงอัดและความเครียดเพิ่มขึ้นถึง 181% และ 564% ตามลำดับ เพื่อที่จะคาดการณ์ความเครียดและความเครียดจากแรงอัดที่จำกัดขั้นสุดท้าย การศึกษานี้จึงได้ตรวจสอบแบบจำลองความเครียด-ความเครียดเชิงวิเคราะห์จำนวนหนึ่ง การเปรียบเทียบผลการทดลองและทางทฤษฎีสรุปได้ว่าแบบจำลองความแข็งแกร่งเพียงจำนวนจำกัดเท่านั้นที่ส่งผลให้เกิดการคาดการณ์อย่างใกล้ชิด ในขณะที่มีการสังเกตการกระจายที่ใหญ่กว่าสำหรับการทำนายความเครียด การเรียนรู้ของเครื่องถูกนำมาใช้โดยใช้โครงข่ายประสาทเทียมเพื่อทำนายกำลังรับแรงอัด ชุดข้อมูลที่ประกอบด้วย 142 ตัวอย่างเสริมความแข็งแกร่งด้วยกัญชา FRP ถูกดึงออกมาจากวรรณกรรม โครงข่ายประสาทเทียมได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลที่แยกออกมา และประสิทธิภาพของมันได้รับการประเมินสำหรับผลการทดลองของการศึกษานี้ ซึ่งแสดงให้เห็นถึงข้อตกลงที่ใกล้ชิด
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
โครงการศึกษาการถ่ายเทน้ำหนักของโครงสร้างบ้านไม้มีเป้าหมายเพื่อวิเคราะห์หลักการกระจายน้ำหนักภายในโครงสร้าง โดยศึกษาองค์ประกอบสำคัญ เช่น คาน เสา และพื้น รวมถึงพฤติกรรมการรับแรงของไม้ภายใต้ภาระที่แตกต่างกัน การวิจัยนี้ใช้การคำนวณเชิงโครงสร้างและการจำลองโมเดลเพื่อตรวจสอบรูปแบบการถ่ายเทน้ำหนัก นอกจากนี้ ยังช่วยพัฒนาทักษะการออกแบบ การวิเคราะห์ และการทำงานเป็นทีม ซึ่งสามารถนำไปประยุกต์ใช้กับงานก่อสร้างจริงได้อย่างเหมาะสม
คณะครุศาสตร์อุตสาหกรรมและเทคโนโลยี
มัลเบอร์รีคีเฟอร์ เป็นเครื่องดื่มจากผลหม่อนสุกที่ผ่านการหมัก ผลิตจากน้ำสกัดจากผลหม่อนสุก มีลักษณะปรากฎเป็นสีแดงชมพูซึ่งเป็นสีของสารแอนโทไซยานินตามธรรมชาติในผลหม่อน โดยแอนโทไซยานินมีคุณสมบัติเป็นสารต้านอนุมูลอิสระ มีสารพรีไบโอติกฟรุคโทโอลิโกแซคคาไรด์ จุลินทรีย์โพรไบโอติก Lactobacillus และ Saccharomeces มีรสชาติหวานอมเปรี้ยว มีความซ่า มีแอลกอฮอล์เล็กน้อย รสชาติและความซ่าเกิดจากเทคโนโลยีการผลิต ซึ่งใช้กระบวนการหมักจากจุลินทรีย์ มัลเบอร์รีคีเฟอร์ จัดเป็นเครื่องดื่มฟังค์ชัน (Functional Beverage) ที่ผลิตจากพืช (Plant Based Beverage) เหมาะกับผู้ที่แพ้น้ำตาลแลคโทส รวมถึงผู้ที่ไม่บริโภคเครื่องดื่มที่ผลิตจากน้ำนม ดื่มแล้วรู้สึกสดชื่น