| Title of Article |
การเพิ่มประสิทธิภาพแบบจำลองหัวข้อด้วยสภาพแวดล้อมแบบข้อมูลขนาดใหญ่ |
| Date of Acceptance |
21 November 2019 |
| Journal |
| Title of Journal |
วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี |
| Standard |
TCI |
| Institute of Journal |
มหาวิทยาลัยอุบลราชธานี |
| ISBN/ISSN |
2697-4142 |
| Volume |
21 |
| Issue |
3 |
| Month |
กันยายน-ธันวาคม |
| Year of Publication |
2019 |
| Page |
- |
| Abstract |
การทำเหมืองข้อมูลเป็นวิธีการหนึ่ง ที่ใช้ในการค้นหาองค์ความรู้ในข้อมูล ข้อมูลประเภทข้อความเป็นข้อมูลประเภทที่สามารถค้นหาองค์ความรู้ได้หลากหลายรูปแบบ เช่น การสรุปข้อความ การหาความหมายแฝง การหาหัวข้อ การจัดกลุ่มข้อความ Latent Dirichlet Allocation (LDA) เป็นเทคนิคหนึ่งที่ใช้ในการค้นหา หัวข้อ(topic) ของข้อมูล และสามารถทำการเพิ่มประสิทธิภาพได้ด้วยการปรับปรุงค่าโดยใช้ optimization อัลกอริทึ่ม ซึ่งผู้วิจัยใช้ Ant colony optimization ในการปรับค่าตัวแปร ซึงการค้นหาหัวข้อจากเอกสาร มักจะใช้เวลาในการคำนวนค่านาน ผู้วิจัยจึงประยุกต์ใช้ map-reduce ซึ่งเป็นการทำงานภายใต้สภาพแวดล้อมของ Hadoop มาช่วยในการประมวลผลเพื่อให้สามารถทำงานได้เร็วขึ้นและทำการวัดค่าประสิทธิภาพของอัลกอริทึ่ม LDA ผลการวิจัยพบว่า การประมวลผลชุดข้อมูลด้วยอัลกอริทึ่ม LDA ที่ปรับปรุงค่าตัวแปรโดย ACO ที่ทำงานโดย Map-reduce มีความเร็วในการประมวลผลที่สูงขึ้น |
| Keyword |
แม๊พรีดิวซ์ , อัลกอริทึ่มอาณาจักรมด , การทำเหมืองข้อความ, Latent Dirichlet Allocation. |
| Author |
|
| Reviewing Status |
มีผู้ประเมินอิสระ |
| Status |
ได้รับการตอบรับให้ตีพิมพ์ |
| Level of Publication |
ชาติ |
| citation |
false |
| Part of thesis |
true |
| Attach file |
|
| Citation |
0
|
|
|
Publication
Journal Publication
ไทย