หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2569
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2568
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ระบบแชทบอทสำหรับตอบคำถามเกี่ยวกับรายวิชาศึกษาทั่วไป
ชื่อโครงงานภาษาอังกฤษ
Chatbot for General Education Course FAQs
ผู้พัฒนา
6510503387 ธนกร ศิริสลุง
อาจารย์ที่ปรึกษาหลัก
บัณฑิต มนัสเกษมศักดิ์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
การที่มหาวิทยาลัยกำหนดให้นิสิตลงทะเบียนเรียนรายวิชาศึกษาทั่วไป ซึ่งมีจำนวนมากและข้อมูลกระจัดกระจายอยู่หลายเว็บไซต์ ส่งผลให้การสืบค้นข้อมูลเป็นไปอย่างยากลำบาก วิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาระบบแชทบอทบนเว็บแอปพลิเคชัน เพื่ออำนวยความสะดวกแก่นิสิตในการค้นหาข้อมูลและระบบรีวิวรายวิชาศึกษาทั่วไป วิธีการดำเนินการใช้เทคโนโลยีโมเดลภาษาขนาดใหญ่ (LLM) ร่วมกับการสร้างข้อความแบบเสริมด้วยการค้นคืนข้อมูล (RAG) โดยพัฒนาระบบค้นคืนแบบผสม (Hybrid Retrieval) ที่ทำงานร่วมกันระหว่างฐานข้อมูลเชิงสัมพันธ์และฐานข้อมูลเวกเตอร์ กระบวนการทำงานประกอบด้วยการขยายความคำถาม การจำแนกประเภทคำถามเพื่อเลือกวิธีการค้นคืน และการจัดอันดับข้อมูลที่เกี่ยวข้อง (Reranking) ก่อนส่งให้ LLM สร้างคำตอบ ผลการศึกษาพบว่าระบบแชทบอทที่พัฒนาขึ้นสามารถประมวลผลคำถามและสืบค้นข้อมูลเพื่อสร้างคำตอบได้อย่างมีประสิทธิภาพ ทั้งในส่วนของคำถามประเภทข้อเท็จจริงและคำถามประเภทให้คำแนะนำ โดยสรุป ระบบแชทบอทนี้สามารถนำไปใช้งานได้ในรูปแบบเว็บแอป ซึ่งช่วยลดความยุ่งยากและอำนวยความสะดวกในการตัดสินใจเลือกเรียนรายวิชาศึกษาทั่วไปของนิสิตได้
Abstract
The university's requirement for students to enroll in General Education courses often presents challenges due to the large number of courses and fragmented information across multiple websites. This project aims to develop a web-based chatbot system to facilitate students in searching for General Education course information and reviews. The methodology employs a Large Language Model (LLM) combined with Retrieval-Augmented Generation (RAG). The system implements a hybrid retrieval approach, integrating relational and vector databases. The workflow includes query expansion, query routing for retrieval method selection, and reranking filtering relevant data before generating the final answer with the LLM. The study's results indicate that the developed chatbot system can effectively process queries and retrieve information to generate accurate responses for both fact-based and recommendation-based inquiries. In conclusion, the chatbot system functions efficiently as a practical web application, reducing the complexity of finding course information and facilitating students' decision-making processes regarding General Education courses.
คำสำคัญ (Keywords)
แชทบอท, การสร้างข้อความแบบเสริมด้วยการค้นคืนข้อมูล, แชทบอทแนะนำรายวิชา, Chatbot, Retrieval-Augmented Generation, Course Recommendation Chatbot
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
-
ผู้นำเข้าข้อมูลครั้งแรก
ธนกร
ศิริสลุง
(b6510503387)
แก้ไขครั้งสุดท้าย
เมื่อ March 14, 2026, 10:16 p.m. โดย
ธนกร
ศิริสลุง
(b6510503387)
สถานะการอนุมัติ
รออนุมัติ