การทำเหมืองแนวความคิดงานที่สำคัญของงานสนับสนุนด้านไอทีจากรายงานทิกเก็ตสนับสนุนด้านไอทีรายวัน
คำสำคัญ:
การเกิดร่วมของคำ, ใบรับแจ้งปัญหา, แนวความคิดที่สำคัญบทคัดย่อ
สำหรับระบบบริการช่วยเหลือด้านเทคโนโลยีสารสนเทศ (IT help-desk system) ของศูนย์คอมพิวเตอร์ในมหาวิทยาลัย เจ้าหน้าที่ช่วยเหลือด้านไอทีจะสร้างใบรับแจ้งหรือทิกเก็ต (ticket) ที่ถูกบันทึกเป็นเอกสารคำร้องขอของผู้ใช้งาน เอกสารคำร้องอธิบายตามแนวความคิดงานสนับสนุนไอที (IT-Support-Task: IST concept) หรือแนวความคิดไอเอสที (IST concept) เอกสารคำร้องของทิกเก็ตประกอบด้วยหน่วยข้อความระดับวาทกรรมย่อย (Elementary Discourse Unit: EDU/อีดียู หรือประโยคความเดียว) หลายหน่วยที่มีหนึ่งอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญ งานวิจัยนี้มุ่งเน้นการทำเหมืองข้อมูลโดยเฉพาะการสกัดอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญจากรายงานทิกเก็ตสนับสนุนไอทีรายวันแบบต่อเนื่อง เพื่อใช้ในการจำแนกอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญเหล่านี้ออกมาเป็นคลาสต่าง ๆ (ไอที เครือข่าย ผสม และอื่นๆ) ผลลัพธ์จากการจำแนกอีดียูดังกล่าวนั้นสามารถนำไปใช้ในการแสดงปริมาณงานรายวันในรูปแบบกราฟ ซึ่งช่วยสนับสนุนการวางแผนและตัดสินใจสำหรับการปรับจัดสรรทรัพยากร งานวิจัยนี้มีปัญหาหลัก 3 ประการ ได้แก่ (1) วิธีระบุอีดียูทีมีแนวความคิดไอเอสทีที่มีการละนามวลีบางส่วนในเอกสารซึ่งการละนามวลีของอีดียูต่าง ๆ นำไปสู่การสูญเสียบริบทบางส่วนของอีดียูเหล่านั้น (2) วิธีระบุ/สกัด อีดียูที่มีแนวความคิดไอเอสทีที่สำคัญซึ่งเป็นเนื้อหาหลักของคำร้อง และ (3) วิธีจำแนกอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญของทิกเก็ตที่มีแนวความคิดงานคลุมเครือ ดังนั้นเราเสนอการใช้เซตการเกิดร่วมของคำกับกริยา (word–Verb cooccurrence: wrdVCo) ที่มีแนวความคิดไอเอสที มาทำการระบุอีดียูที่มีแนวความคิดไอเอสที (โดย wrdVCo สามารถใช้เป็นคีย์เวิร์ดหลักในการวิเคราะห์ความหมาย สาระสำคัญ และบริบทของอีดียูนั้นได้) และประยุกต์ใช้กฎการปรากฏแนวความคิดที่สำคัญภายในเอกสารมาทำการสกัดอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญออกจากเอกสารนั้น จากนั้นได้นำเทคนิคการเรียนรู้ของเครื่อง ได้แก่ SVM และ MLP มาประยุกต์ใช้ในการจำแนกอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญจากทิกเก็ตต่าง ๆ ผลการวิจัยแสดงให้เห็นว่า การสกัดและการจำแนกอีดียูที่มีแนวความคิดไอเอสทีที่สำคัญ มีค่าคะแนน F1 (F1-Score) สูง
เอกสารอ้างอิง
Al-Hawari, F., & Barham, H. (2021). A machine learning based help desk system for IT service management. Journal of King Saud University-Computer and Information Sciences, 33(6), 702-718. https://doi.org/10.1016/j.jksuci.2019.04.001
Aun-a-nan, A., & Meesad, P. (2020). The classification of credibility of Thai news source websites using data mining techniques [In Thai]. EAU Heritage Journal Science and Technology (online), 14(2), 101–116. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/241729
Bouckaert, R. R., Frank, E., Hall, M., Kirkby, R., Reutemann, P., Seewald, A., & Scuse, D. (2016). WEKA manual for version 3-9-1. University of Waikato.
Carlson, L., Marcu, D., & Okurowski, M. E. (2003). Building a discourse-tagged corpus in the framework of rhetorical structure theory. In J. van Kuppevelt & R. W. Smith (Eds.), Current directions in discourse and dialogue (pp. 85–112). Springer.
Chanlekha, H., & Kawtrakul, A. (2004). Thai named entity extraction by incorporating maximum entropy model with simple heuristic information. In K. Su, J. Tsujii, J. Lee & O. Y. Kwong (Eds.), Proceedings of the First International Joint Conference on Natural Language Processing (pp. 1–7). Springer-Verlag.
Chareonsuk, J., Sukvakree, T., & Kawtrakul, A. (2005). Elementary discourse unit segmentation for Thai using discourse cue and syntactic information [In Thai]. In International Annual Symposium on Computational Science and Engineering (Ed.), The 9th Annual National Symposium on Computational Science and Engineering (ANSCSE 9) (pp. 85–90). ANSCSE.
Cristianini, N., & Shawe-Taylor, J. (2000). An introduction to support vector machines. Cambridge University Press.
Diwanji, P., Guo, H., Singh, M. P., & Kalia, A. (2020). Lin: Unsupervised extraction of tasks from textual communication. In D. Scott, N. Nuria & C. Zong (Eds.), Proceedings of the 28th International Conference on Computational Linguistics (pp. 1815-1819). International Committee on Computational Linguistics
Guthriee, J. A., Guthrie, L., Aidinejad, H., & Wilks, Y. (1991). Subject-dependent co-occurrence and word sense disambiguation. In D. E. Appelt (Ed.), 29th Annual Meeting of The Association for Computational Linguistics (pp. 146-152). The Association for Computational Linguistics.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: An update. ACM SIGKDD Explorations Newsletter, 11(1), 10-18. https://doi.org/10.1145/1656274.1656278
Hassan, S., & Mihalcea, R. (2011). Semantic relatedness using salient semantic analysis. Proceedings of the AAAI Conference on Artificial Intelligence, 25(1), 884–889. https://doi.org/10.1609/aaai.v25i1.7971
Haykin, S. (1999). Neural networks: A comprehensive foundation. Prentice Hall.
Hee, Y. E. (2018). A comparative study of subject ellipsis in Chinese and Korean sentence. International Journal of Humanities and Social Science Invention (IJHSSI), 7(4), 11-21. https://www.ijhssi.org/papers/vol7(4)/Version-1/A0704010110.pdf
Huang, Y., Yu, L., & Lin, I. C. (2013). Text categorization for service request classification. International Journal of Signal Processing Systems, 1(1), 54-58. https://doi.org/10.12720/ijsps.1.1.54-58
Ketui, N., Theeramunkong, T., & Onsuwan, C. (2013). Thai elementary discourse unit analysis and syntactic-based segmentation. International Information Institute (Tokyo) Information, 16(10), 7423-7436. https://bit.ly/4wlKBfN
Lin, C. C., Kang, D., Gamon, M., & Pantel, P. (2018). Actionable email intent modeling with reparametrized RNNs. Proceedings of the AAAI Conference on Artificial Intelligence, 32(1), 4856-4864. https://doi.org/10.1609/aaai.v32i1.11931
Miller, G. A. (1995). WordNet: A lexical database. Communications of the ACM, 38(11), 39-41. https://doi.org/10.1145/219717.219748
Pakamwang, J., Khoomsab, K., & Timsorn, K. (2020). Investigation of factors for student’s decision in studying at Phetchabun Rajabhat University by data mining technique [In Thai]. EAU Heritage Journal Science and Technology (online), 14(1), 24–33. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/240508
Paramesh, S. P., Ramya, C., & Shreedhara, K. S. (2018). Classifying the unstructured IT service desk tickets using ensemble of classifiers. In M. N. Vijayalakshmi (Ed.), The 3rd International Conference on Computational Systems and Information Technology for Sustainable Solutions (CSITSS 2018) (pp. 221-227). IEEE.
Pawar, S., Palshikar, G., & Banerjee, A. S. (2021). Weakly supervised extraction of tasks from text. In S. Bandyopadhyay, S. L. Devi & P. Bhattacharyya (Eds.), Proceedings of the 18th International Conference on Natural Language Processing (ICON) (pp. 583-592). NLP Association of India (NLPAI).
Pechsiri, C., & Piriyakul, R. (2016). Extraction of a group-pair relation: Problem-solving relation from web-board documents. SpringerPlus, 5, 1265. https://doi.org/10.1186/s40064-016-2864-3
Pechsiri, C., Piriyakul, I., & Pechsiri, J. S. (2025). Grouped semantic-feature relation extraction from texts to represent medicinal-plant property knowledge on social media. Frontiers in Artificial Intelligence, 8, 1579357. https://doi.org/10.3389/frai.2025.1579357
Sudprasert, S., & Kawtrakul, A. (2003). Thai word segmentation based on global and local unsupervised learning [In Thai]. In National Computer Science and Engineering Department (Ed.), The 7th National Computer Science and Engineering Conference (pp. 1–8). National Computer Science and Engineering Department.
Sutta, S., Jivnot, T., & Settawatcharawanit, T. (2025). Development of an inventory management system on a mobile application using machine learning technology [In Thai]. EAU Heritage Journal Science and Technology (online), 19(3), 76–90. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/277291
Thimsanthia, R., & Soemphol, C. (2025). Design and development of a video-based work time analysis system for industrial production lines [In Thai]. EAU Heritage Journal Science and Technology (online), 19(3), 212–226. https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/279822
Tongtep, N., & Theeramunkong, T. (2015). Pattern-based extraction of named entities in Thai news documents. Science & Technology Asia, 15(1), 70–81. https://ph02.tci-thaijo.org/index.php/SciTechAsia/article/view/41311
Whiteley, E. K. (2024). Order-based salience patterns in language: What they are and why they matter. Ergo: An Open Access Journal of Philosophy, 11(26), 689–715. https://doi.org/10.3998/ergo.6166
