
![image](/images/2022/27/01.jpg)

- โมเดลจำแนกประเภทเอกสารเพื่อลดระยะเวลาในการคัดแยกเอกสารและสามารถทำงานได้แบบอัตโนมัติ ประเภทได้แก่ Applied Science, Arts, Belief & Thought, Commerce & Finance, History, Imaginative, Natural & Pure Science, Social Science,
- เทรนบน TNC ด้วยข้อมูลจากหนังสือ (60%), วารสาร (25), หนังสือพิมพ์ (5-10%), สิ่งพิมพ์อื่น (เช่น แผ่นพับโฆษณา; 5-10%) และงานเขียนเผยแพร่บนอินเตอร์เน็ต (<5%),
- แบ่งข้อมูลตามเลข Serial Number ของ TNC โดยใช้ฟังชั่นเฉพาะทำให้จำนวนเอกสารแต่ละแหล่งออกมาสมดุลใน train, validation และ test set,
- ใช้ WangchanBERTa เป็นโมเดลพื้นฐาน; ปรับจูนให้ทำการจำแนกประเภทเอกสาร,
- WangchanBERTa (F1 0.71) ทำได้ดีกว่า baseline ที่ใช้ bag-of-words (F1 0.64) และ LSTM (F1 0.61),
- วิเคราะห์ความผิดพลาดพบว่าบางครั้งประเภทของเอกสารมีความกำกวม เช่น เอกสาร "ความร่วมมือของประเทศในภูมิภาคเอเชียตะวันออกเฉียงใต้ ในการก่อตั้งองค์การส่วนภูมิภาค 1945–1985" เป็น History แต่โมเดลทายว่า Social Science

### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> "เพราะผมมีความชื่นชอบในแวดวง คอมพิวเตอร์และเทคโนโลยีเป็นอย่างมาก ทำให้ผมคอยที่จะมองหาโอกาสที่จะพัฒนาทักษะความรู้ความสามารถที่เกี่ยวข้องกับสาขา คอมพิวเตอร์อยู่ตลอดเวลา อาทิเช่น การฝึกฝนเขียนโปรแกรม และ การศึกษาความรู้ที่เกี่ยวข้องกับคณิตศาสตร์ประยุกต์ เป็นต้น ปัจจุบันผมมีความสนใจที่จะศึกษา และ เพิ่มพูนประสบการณ์ที่เกี่ยวข้องกับสาขาปัญญาประดิษฐ์ ผมจึงหวังเป็นอย่างยิ่งว่า โครงการที่จัดขึ้นในครั้งนี้ จะช่วยทำให้ผมสามารถพัฒนาทักษะต่างๆทีเกี่ยวข้อง เพื่อนำไปสู่การสร้างสรรค์โครงงานปัญญาประดิษฐ์ ที่ก่อให้เกิดประโยชน์ต่อสังคมส่วนร่วมต่อไป"

TextDoe: โมเดลจำแนกแวดวงบทความสิ่งพิมพ์

โดย โชติอนันต์ทรัพย์ โสภาเคน (โชกุน) •