A Comparison of Classification of Subject Web board using Data Mining Techniques

Abstract

This research presents the comparison of three models: 1) naive bayes 2) support vector machine 3) neural network We compares the most efficient models to be used to automatic classification of subject web board of graduate school Mahasarakham University. The data used in this research were the bulletin board and facebook page graduate school Mahasarakham University. from 2009 to 2017 with 1,102 records. The research was divided into 4 groups: admission, information system, thesis standard and exam standard. From the experiment, the best simulation model was support vector machine with 83.33%, naive bayes 80.33% and neural network 73.53%, respectively.

งานวิจัยนี้ได้นำเสนอผลการเปรียบเทียบแบบจำลอง 3 แบบจำลอง คือ 1) นาอีฟเบย์ (Naive Bayes) 2) ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine) และ 3) โครงข่ายประสาทเทียม (Neural Network) ซึ่งแบบจำลองที่มีประสิทธิภาพสูงที่สุดจะถูกนำมาใช้เพื่อพัฒนาระบบจำแนกหัวข้อกระดานข่าวบัณฑิตวิทยาลัย มหาวิทยาลัยมหาสารคามอัตโนมัติ ข้อมูลที่ใช้ในการวิจัยนี้ เป็นข้อมูลที่เกี่ยวกับกระดานข่าวและ Facebook บัณฑิตวิทยาลัย มหาวิทยาลัยมหาสารคาม ตั้งแต่ปี 2552-2561 จำนวน 1,102 Record การวิจัยได้แบ่งหมวดหมู่คำถามออกเป็น 4 กลุ่ม ได้แก่ การรับเข้า (Admission) งานระบบสารสนเทศ (Information) มาตรฐานบทนิพนธ์ (Thesis Standard) และงานมาตรการสอบ (Exam Standard) จากการทดลองพบว่าแบบจำลองที่ให้ประสิทธิภาพดีที่สุด คือซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine) ร้อยละ 83.33 อัลกอริทึม อัลกอริทึม นาอีฟเบย์ (Naive Bayes) ร้อยละ 80.33 และโครงข่ายประสาทเทียม (Neural Network) ร้อยละ 73.53 ตามลำดับ