การพัฒนาระบบแนะนำหนังสือ (Book Recommendation System) ด้วยเทคโนโลยีปัญญาประดิษฐ์ ผ่านบัญชีทางการไลน์ของหอสมุดแห่งมหาวิทยาลัยธรรมศาสตร์
Article Sidebar
Main Article Content
บทคัดย่อ
การพัฒนาระบบแนะนำหนังสือ (Book Recommendation System) ด้วยเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence) ของหอสมุดแห่งมหาวิทยาลัยธรรมศาสตร์ มีวัตถุประสงค์เพื่อยกระดับการให้บริการทรัพยากรสารสนเทศประเภทหนังสือ ให้ตรงตามความสนใจของผู้ใช้บริการเฉพาะบุคคล (Personalized) ผู้พัฒนาจึงได้นำกระบวนการ CRISP-DM (Cross-Industry Standard Process for Data Mining) ที่ช่วยให้การวิเคราะห์ข้อมูลเป็นระบบและมีโครงสร้างมาประยุกต์ใช้ในการออกแบบพัฒนาระบบแนะนำหนังสือ (Book Recommendation System) ด้วยเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) เชื่อมต่อและให้บริการผ่านบัญชีทางการไลน์ของหอสมุดแห่งมหาวิทยาลัยธรรมศาสตร์ (TULIB LINE Official Account: @lifeonline) ซึ่งเป็นช่องทางที่ผู้ใช้บริการคุ้นเคยและเข้าถึงได้สะดวก ระบบฯ ประกอบด้วย 2 โหมดหลัก ได้แก่ (1) โหมดอัตโนมัติ (Automatic Mode) ใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) โดยประยุกต์โมเดล Word2Vec และ LightFM ในการวิเคราะห์ความสัมพันธ์ระหว่างหนังสือและพฤติกรรมการยืม เพื่อสร้างรายการแนะนำที่เหมาะสมกับผู้ใช้บริการ และ (2) โหมดแบบมีปฏิสัมพันธ์ (Interactive Mode) ที่เปิดโอกาสให้ผู้ใช้บริการเลือกหมวดหมู่หนังสือตามความสนใจได้ด้วยตนเอง จากผลการสำรวจการใช้งานระบบฯ พบว่า ผู้ใช้บริการมีความพึงพอใจโดยรวมต่อระบบฯ คิดเป็นร้อยละ 85.91 สะท้อนให้เห็นว่าระบบฯ สามารถตอบสนองต่อความสนใจของผู้ใช้บริการเฉพาะบุคคล (Personalized) ได้อย่างมีประสิทธิภาพ
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
พงศกร สุกันยา และปานใจ ธารทัศนวงศ์. (2566). การค้นหากฎความสัมพันธ์ของการใช้หนังสือด้วยเทคนิคเหมืองข้อมูล กรณีศึกษาห้องสมุด ศูนย์การแพทย์ปัญญานันทภิกขุ ชลประทาน มหาวิทยาลัยศรีนครินทรวิโรฒ. วารสารห้องสมุด, 67(2), 127–145. https://so06.tci-thaijo.org/index.php/tla_bulletin/article/view/264939
หอสมุดแห่งมหาวิทยาลัยธรรมศาสตร์. (2568). Dashboard ผลสำรวจความพึงพอใจผู้ใช้บริการหอสมุดฯ ปีงบประมาณ 2568. https://library.tu.ac.th/bbs/content/94_475
Hasoon, A. N., Abdulateef, S. K., Abdulameer, R. S., & Shuwandy, M. L. (2025). An intelligent hybrid ai course recommendation framework integrating bert embeddings and random forest classification. Computers, 14(9), 353. https://www.mdpi.com/2073-431X/14/9/353
Liu, X., & Wang, B. (2024). Personalized recommendation system for university digital libraries based on deep neural networks. Proceedings of the 7th International Conference on Computer Information Science and Artificial Intelligence (CISAI 2024). ACM. https://doi.org/10.1145/3703187.3703195
Okon, E. U., Eke, B. O., & Asagba, P. O. (2018). An improved online book recommender system using collaborative filtering algorithm. International Journal of Computer Applications, 179(46), 41-48. https://doi.org/10.5120/ijca2018917193
Pradana, M. A., & Wibowo, A. T. (2024). Movie recommendation system using hybrid filtering with word2vec and restricted boltzmann machines. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9(1), 231-241. https://doi.org/10.29100/jipi.v9i1.4306
Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia Computer Science, 181, 526-534. https://doi.org/https://doi.org/10.1016/j.procs.2021.01.199
T, M., Prathap, G., Tanu, A., S, F., & Hurshan, T. (2025). Netflix user engagement analysis. In Future frontiers: mastering the latest in computer technology (pp. 26-35). QTanalytics® India. https://doi.org/10.48001/978-81-980647-0-7-3
Thapanee Boonchob. (20 กันยายน 2563). เข้าใจ CRISP-DM ฉบับเร่งรัด. Medium. https://kamboonchob.medium.com
Wirth, R., & Hipp, J. (2000). CRISP-DM: Towards a Standard Process Model for Data Mining. http://cs.unibo.it/~danilo.montesi/CBD/Beatriz/10.1.1.198.5133.pdf
Zhang, J., Wang, S., Lyu, M., Hou, S., & Kim, K.-M. (2025). AI recommendation system attributes: impact mechanisms on user satisfaction and usage intentions in the China market. Journal of East Asia Management, 6(1), 51-79. https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiOrteView.kci?sereArticleSearchBean.artiId=ART003183842
