Please use this identifier to cite or link to this item:
https://publication.npru.ac.th/jspui/handle/123456789/891| Title: | An Application of Machine Learning for Bookkeeping Entry Classification in Accounting Ledger การประยุกต์การเรียนรู้ด้วยคอมพิวเตอร์เพื่อจำแนกรายการบัญชีในบัญชีแยกประเภท |
| Authors: | Santisiripong, Areewan Samangsri, Somporn Manitpornsut, Suparerk อารีวรรณ สันติสิริพงศ์ สมพร สำอางค์ศรี ศุภฤกษ์ มานิตพรสุทธ์ |
| Keywords: | Classification Machine Learning Natural Language Processing |
| Issue Date: | 9-Jul-2020 |
| Publisher: | Nakhon Pathom Rajabhat University |
| Citation: | อัศนีย์ ก่อตระกูล, กมลา นาคะศิริ, วิสมัย มโนมัยพิบูลย์, ศิริพร แตงเที่ยง, วิภากร วงศ์ไทย และทัศนาลัย บูรพาชีพ. (2541).
การประมวลผลภาษามนุษย์ด้วยคอมพิวเตอร์. วารสารมนุษยศาสตร์วิชาการ, มหาวิทยาลัยเกษตรศาสตร์, 2541 (6),
94 – 104. อมรา ติรศรีวัฒน์ (2561). รายงานวิจัยเรื่อง การบัญชีดิจิทัลและการเตรียมความพร้อมในการเรียนการสอนนักศึกษาในยุค เศรษฐกิจดิจิทัล : วารสารประชุมวิชาการและนำเสนอผลงานวิชาการระดับชาติ UTCC Academic Day ครั้งที่ 2 June 8,2018 ของ มหาวิทยาลัยหอการค้าไทย กานดา แผ่วัฒนากุล และ ดร.ปราโมทย์ ลือนาม (2556). รายงานวิจัยเรื่อง การวิเคราะห์เหมืองความคิดเห็นบนเครือข่าย สังคมออนไลน์ วารสารการจัดการสมัยใหม่ ปีที่ 11 ฉบับที่ 2 เดือน กรกฎาคม – ธันวาคม 2556 นิสิต,สาขา เทคโนโลยีสารสนเทศ คณะวิทยาการสารสนเทศ มหาวิทยาลัยมหาสารคาม, มหาสารคาม, 44150 G.Ozdagoglu, A. Ozdagoglu , Y.Gumus and G. Kurt-Gumus (2560) : เรื่อง การประยุกต์ใช้เทคนิคการขุดข้อมูลใน การจัดการจำแนกงบการเงิน จาก Journal of AI and Datamining Vol5, No. 1 , 2017 , p. 67-77 ยุทธ ไกยวรรณ์ (2555) งานวิจัยเรื่อง หลักการและการใช้การวิเคราะห์การถดถอยโลจิสติคสำหรับการวิจัย. วารสารวิจัย มหาวิทยาลัยราชมลคลศรีวิชัย 4(1) : 1-12 (2555) Li Guo ,Feng Shi and Jun Tu (2562). Textual analysis and machine leaning: Crack unstructured data I finance and accounting .(ออนไลน์) ค้นเมื่อ วันที่ 19 สิงหาคม 2562 http://www.keaipublishing.com/en/journals/jfds/ Shiny Abraham, Chau Huynh and Huy Vu. (2020) . Classification of Soils into Hydrologic Groups Using Machine Learning , (ออนไลน์) ค้นเมื่อ วันที่ 25 สิงหาคม 2562 , https://www.mdpi.com/search?q=soil+into+hydrologic&authors=&journal=&article_type=&search=S earch§ion=&special_issue=&volume=&issue=&number=&page= ทองสา บุตรงาม และ บุญญสิทธิ์ วรจันทร์ (2562) งานวิจัยเรื่อง การเปรียบเทียบประสิทธิภาพวิธีการพยากรณ์การเกิดภาวะ แทรกซ้อนทางไตในผู้ป่วยโรคเบาหวาน ชนิดที่ 2 กรณีศึกษา : โรงพยาบาลแห่งหนึ่งในจังหวัดบุรีรัมย์. วารสารวิจัย งานประชุมวิชาการระดับชาติ ครั้งที่ 11 มหาวิทยาลัยราชภัฎนครปฐม วันที่ 11-12 กรกฎาคม 2562 Wannaphong Phatthiyaphaibun, Korakot Chaovavanich, Charin Polpanumas, Arthit Suriyawongkul, Lalita Lowphansirikul, & Pattarawat Chormai. (2016). PyThaiNLP: Thai Natural Language Processing in Python. Zenodo, (ออนไลน์) ค้นเมื่อ วันที่ 26 สิงหาคม 2562 , http://doi.org/10.5281/zenodo.3519354 Pedregosa et al. (2011). Scikit-learn: Machine Learning in Python. JMLR 12 pp.2825-2830, 2011. |
| Abstract: | Each month medium and large organizations usually cope with a large number of bookkeeping
entries in accounting ledgers. This is a time-consuming process. To alleviate the problem, we propose an
application of machine learning to classify bookkeeping entries. The natural language processing is
employed to extract the features out of each entry, which may be in the combination of Thai, English,
numbers, and/or special characters. Then, supervised machine learning algorithms are applied, i.e.
Decision Tree, Logistic Regression and Naïve Bayes. The experimental results show that the accuracy of
Naïve Bayes, Logistic Regression and Decision Tree is 89.88%, 88.99% and 79.40%, respectively. องค์กรขนาดกลางและขนาดใหญ่ มักมีจำนวนรายการในบัญชีแยกประเภทจำนวนมากในแต่ละเดือน ทำให้ขั้นตอนใน การแยกรายการออกเป็นกลุ่มต่าง ๆ ใช้เวลานาน เพื่อบรรเทาปัญหาดังกล่าว ในบทความนี้ได้นำเสนอการประยุกต์ใช้การเรียนรู้ ด้วยคอมพิวเตอร์เพื่อจำแนกรายการบัญชีแบบอัตโนมัติ ได้มีการใช้การประมวลผลภาษาธรรมชาติเพื่อสกัดคุณลักษณะออกจาก รายการบัญชีที่อาจเป็นข้อความที่มีทั้งภาษาไทย ภาษาอังกฤษ ตัวเลข หรืออักขระพิเศษปนกัน จากนั้นได้ใช้การเรียนรู้ด้วย คอมพิวเตอร์แบบมีการสอนเพื่อจำแนกรายการทำบัญชีออกเป็น 3 ประเภท ได้แก่ ค่าใช้จ่าย สินทรัพย์ ซื้อวัตถุดิบและวัสดุ ใน บทความนี้ได้นำเสนอผลลัพธ์ของการเรียนรู้ด้วยคอมพิวเตอร์ 3 อัลกอริทึมได้แก่ Decision Tree, Logistic Regression และ Naïve Bayes ผลการศึกษาเชิงทดลองปรากฏว่า อัลกอริทึม Naïve Bayes , Logistic Regression, และDecision Tree มี ความถูกต้องเฉลี่ย 89.88% ,88.99% และ 79.40% ตามลำดับ |
| URI: | https://publication.npru.ac.th/jspui/handle/123456789/891 |
| Appears in Collections: | Proceedings of the 12th NPRU National Academic Conference |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.