ตัวแบบการจำแนกข้อความแบบหลายคลาสด้วยชุดข้อมูลที่ไม่สมดุลในการพัฒนาระบบบริการตนเอง สำหรับศูนย์นวัตกรรมการสอนและการเรียนรู้ มหาวิทยาลัยเชียงใหม่

Abstract

The object of this study is to develop a self-service system for the Teaching and Learning Innovation Center at Chiang Mai University using multi-class text classification technique. This study employed an imbalanced Thai dataset and followed the standard machine learning pipeline of data preparation, model training, model evaluation, and review model. Different models were utilized to evaluate their performance and accuracy in solving the problem at hand. The results findings indicate that the use of TF-IDF with Multi-Layer Perceptron produced the most accurate and effective results for their dataset.