Sentiment Analysis คือ การวิเคราะห์ความรู้สึก เป็นการวิเคราะห์อารมณ์และความรู้สึกจากข้อความ เพื่อบ่งบอกความรู้สึกของผู้คนที่มีต่อบางสิ่งบางอย่าง เช่น ความรู้สึกดี (Positive) หรือ ความรู้สึกที่ไม่ดี (Negative) ความรู้สึกกลางๆ(Neutral)
เราจะมาวิเคาะห์ความรู้สึกต่างๆจากคำภาษาไทยกันนะครับ
import และ Load data มาก่อน

ดูสรุปของDataเราก่อน


จะเห็นว่าเเต่ละกลุ่มที่จัดตามความรู้สึกมีข้อมูลที่ห่างกันพอตัวเลย
ลองมาตัดคำกันก่อน

ต่อไปลองหาความยาวของประโยค


จะเห็นรายละเอียดความยาวของเเต่ละประโยค ประโยคที่ยาวที่สุด=758
สุ่มเลือก class ต่างๆ


นำข้อมูลทั้ง3 Class มาต่อกัน



จะเห็นว่าข้อมูลเเต่ละคลาสมีความใกล้กันมากขึ้น
การทำ Word2Vec

โดยจะเก็บข้อมูลไว้ในlistเป็นอาเรย์2มิติ


ต่อไปจะใส่ข้อความไปเพื่อหาคำใกล้เคียง

ต่อไปสร้างผลเฉลยเพื่อนำข้อมูลไปเทรน

ทำข้อมูลให้เป็น One-hot

เปลี่ยนตัวหนังสือให้เป็นตัวเลขเพื่อเก็บข้อมูลไปเทรนต่อ


ทำการPadding ข้อมูล x_train

สร้างmodelเพื่อทำการเทรน

Split Data

ทำการเทรน 5รอบ(ลองtestดูก่อน)


modelยังไม่ดีพอ เกิดการOverfitting

ต่อไปจะเเก้modelเพื่อให้modelมีประสิทธิภาพมากขึ้น
ผมจะทำบนColabของGoogleนะครับ จะได้ประหยัดเวลาในการเทรน



ได้ค่า Accuracy = 69.43 และ ค่าLoss = 71.79
ลองไป Plotกราฟดู


คิดว่าmodelที่ทำน่าจะยังไม่ดีมาก เเต่ก็โอเคอยู่หน่ะ
ยังไงก็ขอบคุณที่เข้ามาอ่านกันจนจบนะครับถ้าผมให้ข้อมูลผิดพลาดหรือตกหล่นอะไรไปก็ขออภัยมาณที่ด้วยนะครับขอบคุณครับ :)
