Model of People Sentiment towards Autism Using Opinion Mining Techniques

Abstract

The purpose of this research was to study the opinion mining process for analyzing people's feelings towards autism and to compare models to classify people's feelings towards autism with opinion mining technique. In this research, the Naïve Bayes, C4.5 Decision Tree, Random Forest, K-Nearest neighbor and Support Vector Machine techniques were used to build public opinion on autism models. A total of 1,766 people's opinions on autism were collected from social media sites on Pantip, Facebook and Twitter. Features used in this research are verbs, adverbs and adjectives. Such features can describe feelings very well. The 10-fold cross-validation was employed to divide datasets into test and training sets. Precision, Recall and F-Measure values were utilized to compare the model performance. After studying the process of mining opinions, it was found that the adjective had the greatest effect on the performance of the models. When comparing the model's performance in predicting people's feelings about autism, it was found that, Models created from vector machine support techniques is the best model. in providing precision, recall and F-Measure up to 97.71, 98.88 and 98.29, respectively.

งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อศึกษากระบวนการในการทำเหมืองความคิดเห็นในการวิเคราะห์ความรู้สึกของประชาชนที่มีต่อออทิสติก และเปรียบเทียบประสิทธิภาพของแบบจำลองเพื่อจำแนกความรู้สึกของประชาชนที่มีต่อออทิสติก งานวิจัยนี้ใช้เทคนิคเหมืองความคิดเห็น 5 เทคนิค ได้แก่ เทคนิคนาอีฟเบย์ เทคนิคต้นไม้ตัดสินใจ ซี4.5 เทคนิคป่าสุ่ม เทคนิคเพื่อนบ้านใกล้ที่สุด และเทคนิคซัพพอร์ตเวกเตอร์แมชชีน ได้ถูกนำมาสร้างแบบจำลองความคิดเห็นของประชาชนต่อออทิสติก โดยเก็บรวบรวมความคิดเห็นของประชาชนต่อออทิสติกจากสื่อสังคมออนไลน์ในเว็บไซต์พันทิป เฟซบุ๊ก และทวิตเตอร์ จำนวนทั้งหมด 1,766 ความคิดเห็น คุณลักษณะที่ใช้ในงานวิจัยนี้ ได้แก่ คำกริยา คำวิเศษณ์ และคำคุณศัพท์ โดยประเภทของคำดังกล่าวสามารถระบุความรู้สึกได้เป็นอย่างดี หลักการ 10-โฟลดครอสวาลิเดชันได้ถูกนำมาแบ่งชุดข้อมูลเป็นชุดทดสอบและชุดสอน ค่าความแม่นยำ ค่าความระลึก และค่าความถ่วงดุล ได้ถูกใช้เพื่อการเปรียบเทียบประสิทธิภาพของแบบจำลองโดยใช้จากการศึกษากระบวนการในการทำเหมืองความคิดเห็นพบว่า คำคุณศัพท์ มีผลต่อประสิทธิภาพของแบบจำลองมากที่สุด เมื่อเปรียบเทียบประสิทธิภาพของแบบจำลองในการพยากรณ์ความรู้สึกของประชาชนต่อออทิสติกพบว่า แบบจำลองที่สร้างจากเทคนิคซัพพอร์ตเวกเตอร์แมชชีน เป็นแบบจำลองที่ดีที่สุด โดยให้ค่าเฉลี่ยความแม่นยำ ค่าเฉลี่ยความระลึก และค่าเฉลี่ยความถ่วงดุลสูงถึงร้อยละ 97.71, 98.88 และ 98.29 ตามลำดับ