| ชื่อบทความ |
การเพิ่มประสิทธิภาพแบบจำลองหัวข้อด้วยสภาพแวดล้อมแบบข้อมูลขนาดใหญ่ |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
21 พฤศจิกายน 2562 |
| วารสาร |
| ชื่อวารสาร |
วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี |
| มาตรฐานของวารสาร |
TCI |
| หน่วยงานเจ้าของวารสาร |
มหาวิทยาลัยอุบลราชธานี |
| ISBN/ISSN |
2697-4142 |
| ปีที่ |
21 |
| ฉบับที่ |
3 |
| เดือน |
กันยายน-ธันวาคม |
| ปี พ.ศ. ที่พิมพ์ |
2562 |
| หน้า |
- |
| บทคัดย่อ |
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 |
| คำสำคัญ |
แม๊พรีดิวซ์ , อัลกอริทึ่มอาณาจักรมด , การทำเหมืองข้อความ, Latent Dirichlet Allocation. |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ได้รับการตอบรับให้ตีพิมพ์ |
| วารสารมีการเผยแพร่ในระดับ |
ชาติ |
| citation |
ไม่มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English