Model tas-kata-kata: Perbedaan antara revisi
k v2.04b - Fixed using Wikipedia:ProyekWiki Cek Wikipedia (Tanda baca setelah kode "<nowiki></ref></nowiki>") |
k Bot: Mengganti kategori yang dialihkan Pemrosesan bahasa alami menjadi Pengolahan bahasa alami |
||
(2 revisi perantara oleh 2 pengguna tidak ditampilkan) | |||
Baris 1: | Baris 1: | ||
{{DISPLAYTITLE:Model tas-kata-kata}} |
{{DISPLAYTITLE:Model tas-kata-kata}} |
||
Model tas-kata-kata ({{lang-en|Bag-of-words model}}) ialah sebuah gambaran sederhana digunakan dalam |
'''Model tas-kata-kata''' ({{lang-en|Bag-of-words model}}) ialah sebuah gambaran sederhana digunakan dalam [[Pemrosesan bahasa alami|pengolahan bahasa alami]] dan [[Sistem temu balik informasi|pencarian informasi]].<ref name="s1">Soumya George K, Shibily Joseph. ''Text Classification by Augmenting Bag of Words (BOW) Representation with Co-occurrence Feature''. IOSR Journal of Computer Engineering (IOSR-JCE) Volume 16, Issue 1, Ver. V (Jan. 2014), PP 34-38</ref> Dikenal sebagai model [[ruang vektor]].<ref name="s2">McTear, Michael (''et al''.) (2016). ''The Conversational Interface - Talking to Smart Devices''. hlm. 166.</ref> Pada model ini, tiap kalimat dalam dokumen digambarkan sebagai ''[[Tokenisasi|token]]'', mengabaikan [[tata bahasa]] dan bahkan [[urutan kata]] namun menghitung frekuensi kejadian atau kemunculan kata dari dokumen.<ref name="s2"/><ref>Saxena, D., Saritha, S. K., & Prasad, V. (2017). ''Survey Paper on Feature Extraction Methods in Text Categorization''. International Journal of Computer Applications, 166(11).</ref> |
||
== Contoh Implementasi == |
== Contoh Implementasi == |
||
Baris 29: | Baris 29: | ||
{{reflist}} |
{{reflist}} |
||
[[Kategori: |
[[Kategori:Pengolahan bahasa alami]] |
||
[[Kategori:Pemelajaran mesin]] |
[[Kategori:Pemelajaran mesin]] |
Revisi terkini sejak 3 Agustus 2024 08.02
Model tas-kata-kata (bahasa Inggris: Bag-of-words model) ialah sebuah gambaran sederhana digunakan dalam pengolahan bahasa alami dan pencarian informasi.[1] Dikenal sebagai model ruang vektor.[2] Pada model ini, tiap kalimat dalam dokumen digambarkan sebagai token, mengabaikan tata bahasa dan bahkan urutan kata namun menghitung frekuensi kejadian atau kemunculan kata dari dokumen.[2][3]
Contoh Implementasi
[sunting | sunting sumber]Terdapat dua dokumen teks sederhana D1 dan D2:[1]
D1: "The Sun is a star. Sun is beautiful."
D2: "The Moon is a satellite."
Berdasar pada kedua dokumen tersebut, sebuah kamus dibangun:
{
"The":1
"Sun":2
"is":3
"a":4
"star":5
"beautiful":6
"Moon":7
"satellite":8
}
Dokumen memiliki 8 kata berbeda. Tiap dokumen digambarkan sebagai 8 unsur vektor [1, 2, 2, 1, 1, 1, 0, 0] [1, 0, 1, 1, 0, 0, 1, 1] yang mana tiap entri dari vektor mengacu pada jumlah entri dalam kamus.
Catatan kaki
[sunting | sunting sumber]- ^ a b Soumya George K, Shibily Joseph. Text Classification by Augmenting Bag of Words (BOW) Representation with Co-occurrence Feature. IOSR Journal of Computer Engineering (IOSR-JCE) Volume 16, Issue 1, Ver. V (Jan. 2014), PP 34-38
- ^ a b McTear, Michael (et al.) (2016). The Conversational Interface - Talking to Smart Devices. hlm. 166.
- ^ Saxena, D., Saritha, S. K., & Prasad, V. (2017). Survey Paper on Feature Extraction Methods in Text Categorization. International Journal of Computer Applications, 166(11).