Development of the Topic Tagging System for Thai and English-Translated Web Contents

อื่นๆ

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Amsa-Nguan T., Leerattanachote N., Suparat P., Wepulanon P., Prom-On S.

ผู้เผยแพร่: Institute of Electrical and Electronics Engineers Inc.

ปีที่เผยแพร่ (ค.ศ.): 2024

หน้าแรก: 239

หน้าสุดท้าย: 245

จำนวนหน้า: 7

ISBN: 979-835038176-4

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85201430043&doi=10.1109%2fJCSSE61278.2024.10613733&partnerID=40&md5=5bcbc4e0a69c53892f4e0975b84debac

ภาษา: English-Great Britain (EN-GB)

ดูบนเว็บไซต์ของสำนักพิมพ์

บทคัดย่อ

This paper presents the creation and evaluation of an AI-driven web application for topic tagging, utilizing both Thai and English-translated data. It tests and compares various machine learning models, including random forest, k-nearest neighbor, and long short-term memory neural network, to ascertain their effectiveness in topic tagging. The study use data from prominent Thai news sources. Data were preprocessed, modeled, and evaluated based on standard metrics like accuracy, precision, recall and F1 scores. Random forest was the best model and chosen for the development. The paper also discusses the system's architecture and a user experience survey that evaluates the application's usability and performance. © 2024 IEEE.

คำสำคัญ

topic tagging, web content