Peringkas Teks Otomatis Bahasa Indonesia secara Abstraktif Menggunakan Metode Long Short-Term Memory
MUHAMMAD ALFHI SAPUTRA
Informasi Umum
Kode
21.04.449
Klasifikasi
006.31 - Machine Learning
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Machine - Learning
Informasi Lainnya
Abstraksi
Salah satu topik dalam bidang Natural Language Processing (NLP) yang cukup menantang adalah peringkas teks otomatis. Dalam praktiknya peringkas teks otomatis terbagi menjadi dua pendekatan, yaitu ekstraktif dan abstraktif. Pendekatan abstraktif dinilai lebih baik karena cara kerjanya mendekati cara kerja manusia ketika meringkas teks atau yang disebut parafrase. Metode yang digunakan pada penelitian ini adalah Long Short-Term Memory (LSTM) yang mana metode tersebut telah sukses melakukan peringkasan dalam Bahasa Inggris. Dataset yang digunakan adalah kumpulan artikel berita media daring Bahasa Indonesia. Hasil terbaik yang didapatkan menggunakan metode evaluasi ROUGE-1 adalah 0.13846.
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MUHAMMAD ALFHI SAPUTRA |
| Jenis | Perorangan |
| Penyunting | WIKKY FAWWAZ AL MAKI, NUR ANDINI |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
