โมเดลการเรียนรู้ของเครื่องแบบบูรณาการบนโครงสร้างสตาร์สำหรับการวิเคราะห์และแนะนำการท่องเที่ยวเชิงอาหารในจังหวัดเพชรบูรณ์
คำสำคัญ:
การเรียนรู้ของเครื่อง, การแนะนำ, โครงสร้างแบบดาว, การท่องเที่ยวเชิงอาหารบทคัดย่อ
จากความท้าทายอย่างมากในการจัดการข้อมูลที่หลากหลายและกระจายอยู่หลายแหล่งที่เกี่ยวข้องกับการท่องเที่ยวและวัฒนธรรมอาหาร การขาดระบบคลังข้อมูล และกระบวนการ ETL ที่มีประสิทธิภาพ ทำให้การบูรณาการและวิเคราะห์ข้อมูลด้วยเทคโนโลยีการเรียนรู้ของเครื่อง และระบบแนะนำ เป็นไปได้อย่างจำกัด นอกจากนี้ ความกังวลด้านความปลอดภัยและความเป็นส่วนตัวของข้อมูลยังเป็นอุปสรรคต่อการพัฒนาแพลตฟอร์มอัจฉริยะที่สนับสนุนการท่องเที่ยวอย่างยั่งยืน บทความวิจัยนี้จึงนำเสนอแนวทางการท่องเที่ยวอัจฉริยะรูปแบบใหม่โดยบูรณาการการเรียนรู้ของเครื่องกับโครงสร้างแบบดาวเพื่อการวิเคราะห์และแนะนำแหล่งท่องเที่ยวเชิงอาหารในจังหวัดเพชรบูรณ์ ข้อมูลถูกเก็บจากนักท่องเที่ยว 384 คน ผ่านแบบสอบถามตามกรอบ 5A และจากผู้เชี่ยวชาญด้านอาหารและผู้ประกอบการท้องถิ่น 15 คน ผ่านการสัมภาษณ์ คำตอบที่ไม่มีโครงสร้างถูกประมวลผลด้วยการประมวลผลภาษาธรรมชาติ เพื่อสร้างชุดข้อมูลที่มีโครงสร้าง โดยที่โครงสร้างแบบดาวช่วยจัดระเบียบข้อมูลอย่างมีประสิทธิภาพ ทำให้สามารถดึงข้อมูลคุณลักษณะ เช่น ความชอบอาหาร คะแนนจุดหมายปลายทาง ข้อมูลประชากร และส่วนประกอบของอาหาร คำสั่ง SQL ถูกใช้สกัดคุณลักษณะจากหลายตารางสำหรับการวิเคราะห์ด้วยการเรียนรู้ของเครื่อง ผลการวิเคราะห์ด้วย K-Means clustering พบ 9 กลุ่มที่แตกต่างกันในระดับปานกลาง (Best K=9 Silhouette=0.491 Calinski-Harabasz=323.48 Davies-Bouldin=0.716) นักท่องเที่ยวที่มีอายุสูงและงบประมาณมาก เดินทางไกลและมีความสนใจหลากหลาย ส่วนกลุ่มนักท่องเที่ยวรุ่นใหม่และประหยัดงบ ชอบการเดินทางระยะสั้น กลุ่มที่มีผู้หญิงเป็นส่วนใหญ่เน้นความพึงพอใจด้านอาหารและจุดหมายปลายทาง ขณะที่กลุ่มที่มีผู้ชายเป็นส่วนใหญ่ชอบเดินทางไกลหรือใช้จ่ายสูง ในการทำนายประเภทอาหารที่ชื่นชอบ Random Forest XGBoost และ MLP ให้ความแม่นยำ 100% สูงกว่า KNN (98.7%) และ Logistic Regression (64.9%) สำหรับการแนะนำ Collaborative Filtering ทำงานได้ดีที่สุดโดยได้ Recall และ NDCG 100% อันดับคำแนะนำที่มีประสิทธิภาพสูงสุด คือ 3 อันดับ ผลวิจัยยืนยันว่า การรวมการจัดการข้อมูลที่มีโครงสร้างกับอัลกอริทึมการเรียนรู้ของเครื่องและการแนะนำขั้นสูง สามารถให้คำแนะนำท่องเที่ยวที่แม่นยำและเฉพาะบุคคล สนับสนุนการจัดแพ็กเกจท่องเที่ยวตามความต้องการ และยกระดับประสบการณ์การท่องเที่ยวของนักท่องเที่ยว
เอกสารอ้างอิง
Ali, T. A. T. (2022). GIS-based model: 5A’s business tourisms attractions tourism, accommodations, access transportation, amenity service, awareness. Asian Research Journal of Current Science, 4(1), 188-196. https://jofscience.com/index.php/ARJOCS/article/view/50.
Chen, C., Liao, T., Deng, X., Wu, Z., Huang, S., & Zheng, Z. (2025). Advances in robust federated learning: A survey with heterogeneity considerations. IEEE Transactions on Big Data, 11(3), 1548-1567. https://doi.org/10.1109/TBDATA.2025.3527202.
Ekeh, A. H., Apeh, C. E., Odionu, C. S., & Austin-Gabriel, B. (2025). Advanced data warehousing and predictive analytics for economic insights: A holistic framework for stock market trends and GDP analysis. Unpublished Manuscript.
Faizy, A., & Sutopo, J. (2025). Design and implementation of a mobile tourist recommendation system for sleman using the Haversine formula. Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI), 11(2), 305-321. https://doi.org/10.26555/jiteki.v11i2.30220
Fouzul Kareema, M. I., & Bt Zubairi, A. M. (2021). Item objective congruence analysis for multidimensional items content validation of a reading test in Sri Lankan University. English Language, 15(1), 106-117. https://doi.org/10.5539/elt.v15n1p106
Li, Z., Long, G., Zhou, T., Jiang, J., & Zhang, C. (2025). Personalized federated collaborative filtering: A variational autoencoder approach. Proceedings of the AAAI Conference on Artificial Intelligence, 39(17), 18602-18610. https://doi.org/10.1609/aaai.v39i17.34047
Liang, X. (2025). Research on resume automtic analysis and matching technology based on machine learning and natural language processing. In L. B. Romdhane (Ed.), 2025 International Conference on Digital Analysis and Processing, Intelligent Computation (DAPIC) (pp. 261-265). IEEE.
Liljedahl, W. (2025). Designing and implementing a data architecture for a medium-sized business [Master’s thesis, University of Applied Sciences]. https://urn.fi/URN:NBN:fi:amk-2025060621096
Kamtapol, Y. (2019). A Tourism promotion application: Six must-buy souvenirs in Phetchabun Province using virtual reality technology [In Thai]. Journal of Technology Management, Hanacaraka Rajabhat University, 6(1), 179-189. https://ph02.tci-thaijo.org/index.php/itm-journal/article/view/162296
Nithiyuwith, T., Threenuntharath, T., Kumtapol, Y., & Chaibuth, P. (2025). A recommendation for designing tamarind packaging by using content-based ontology techniques [In Thai]. EAU Heritage Journal Science and Technology, 19(2), 38–53. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/274392
Nithiyuwith, T., Treenuntharath, T., & Kumtapol, Y. (2024). The development of semantic virtual reality media for promoting health tourism in Khaokho District, Phetchabun Province [In Thai]. EAU Heritage Journal Science and Technology, 18(1), 90–106. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/262266
Padron-Uy, J., Gagnier, K., Parihar, A., Hains, G., & Wong, A. (2025). Scaling a data warehouse system with machine learning integration for stock market forecasting. TechRxiv. https://doi.org/10.36227/techrxiv.174060003.35239737/v1
Panyadee, T., Khunwong, N., Tungchawal, K., Pieonoi, P., & Piemsanga, C. (2022). Generating creative tourism routes within Phetchaburi through the innovative use of local food products [In Thai]. Journal of Humanities and Social Sciences Review, 24(1), 7–24. https://so05.tci-thaijo.org/index.php/hspbruacthjournal/article/view/259442
Sarkar, S. (2025). Development of a hybrid recommendation system using collaborative filtering and content-based filtering techniques. IRE Journals, 8(11), 2274-2284. https://ssrn.com/abstract=5341012
Siharad, D., & Sookprasert, A. (2024). Improving performance of using machine learning techniques and application for perceiving tourists’ hotel staying behaviors [In Thai]. EAU Heritage Journal Science and Technology, 18(1), 161–175. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/264174
Siharad, D., Sukparseart, A., Pakamwang, J., & Sricharoen, J. (2023). The recreation tourism recommendation system in Khaokoh District, Phetchabun Province by using tourists’ unstructured attraction review and check-in data [In Thai]. EAU Heritage Journal Science and Technology, 17(2), 176–188. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/261625
Warbung, C. J., Tulung, J. E., & Saerang, R. T. (2021). Analysis of tourist satisfaction based on 5a’s of tourism elements towards tourist revisit intention to Tomohon City. Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis dan Akuntansi, 9(2), 189-198. https://doi.org/10.35794/emba.v9i2.33336
Widiantari, N. P. T., Suarjaya, I. M. A. D., & Rusjayanthi, N. K. D. (2025). Food recipe recommendation system with content-based filtering and collaborative filtering methods. Sinkron: Jurnal Dan Penelitian Teknik Informatika, 9(3), 1167-1776. https://doi.org/10.33395/sinkron.v9i3.14778
Zhang, S. (2025). Integrating user profiles and collaborative filtering for smart recommendation of tourism city cultural and creative products. International Journal of High Speed Electronics and Systems, 34(4), 2540296. https://doi.org/10.1142/S0129156425402967
