The Development of Project Classification model Based on Master Plan under Nation Strategy Using Text Mining

Abstract

This research aims to produce project classification model based on master plan under nation strategy using text mining, to measure the effectiveness of project classification model based on master plan under nation strategy using the text mining technique, and to evaluate the accuracy of project classification model based on master plan under nation strategy. The dataset was 1,150 projects were collected from the National Monitoring and Evaluation System (eMenscr). In this research, text mining technique was used to produce project classification model based on master plan under nation strategy which four techniques: Support Vector Machine, Random Forest, Naive Bayes, and k-Nearest Neighbors. The results showed that Random Forest was the most effective techniques with accuracy at 82.50%, precision at 83.30%, recall at 82.50% and F-measure at 82.50%. Moreover, Random Forest had the highest accuracy at 91%to classify 22 new projects.

งานวิจัยนี้มีวัตถุประสงค์เพื่อ พัฒนาแบบจำลองการจำแนกโครงการตามแผนแม่บทภายใต้ยุทธศาสตร์ชาติโดยใช้เทคนิคเหมืองข้อความ วัดประสิทธิภาพแบบจำลองการจำแนกโครงการตามแผนแม่บทภายใต้ยุทธศาสตร์ชาติโดยใช้เทคนิคเหมืองข้อความ และวัดความถูกต้องของการจำแนกโครงการตามแผนแม่บทภายใต้ยุทธศาสตร์ชาติโดยใช้แบบจำลองที่พัฒนาขึ้น โดยใช้ชุดข้อมูลโครงการจำนวน 1,150 โครงการ จากระบบติดตามและประเมินผลแห่งชาติ (eMenscr) งานวิจัยนี้ใช้เทคนิคเหมืองข้อความเพื่อสร้างแบบจำลองในการจำแนกโครงการตามแผนแม่บทภายใต้ยุทธศาสตร์ชาติ โดยใช้เทคนิค 4 เทคนิค ได้แก่ เทคนิคซัพพอร์ตเวกเตอร์แมชชีน เทคนิคป่าแบบสุ่ม เทคนิคนาอีฟเบย์ และเทคนิคการค้นหาเพื่อนบ้านใกล้สุด ผลการวิจัย พบว่า เทคนิคป่าแบบสุ่มมีประสิทธิภาพสูงที่สุดในการจำแนกโครงการ โดยมีค่าความถูกต้อง 82.50% ความแม่นยํา 83.30% ความระลึก 82.50% และความถ่วงดุล 82.50% นอกจากนี้ยังพบว่า เทคนิคป่าแบบสุ่มมีความถูกต้องสูงสุดในการจำแนกโครงการใหม่จำนวน 22 โครงการ โดยมีค่าความถูกต้องเท่ากับ 91%