Pemahaman bahasa alami: Perbedaan antara revisi
k Penjelas objek |
Memulai bab Komponen dan arsitektur |
||
| Baris 1: | Baris 1: | ||
Pemahaman bahasa alami |
'''Pemahaman bahasa alami''' ({{lang-en|Natural language understanding}}) NLU atau NLI (''Natural Language Interpretation''<ref>Semaan, Paul. (2012). ''Natural Language Generation: An Overview''. Journal of Computer Science & Research (JCSCR) Vol. 1, No. 3, hlm. 50-57, June 2012</ref>) ialah cabang dari [[pemrosesan bahasa alami|pengolahan bahasa alami]] dalam [[kecerdasan buatan]] yang melapangkan [[komputer|mesin]] agar mengerti informasi atau [[data tak terstruktur]]. Memiliki cakupan lebih luas dibanding tugas NLP yang lain, NLU ialah sebuah [[AI-complete]], yang diketahui berurusan dalam menciptakan mesin secerdas manusia<ref>Pathak, Nishith. (2017). ''Artificial Intelligence for .NET: Speech, Language, and Search: Building Smart Applications with Microsoft Cognitive Services APIs''. Apress. hlm. 71</ref>. |
||
== Komponen dan arsitektur == |
|||
Terlepas dari pendekatan yang digunakan, kebanyakan sistem pemahaman bahasa alami menetapkan beberapa komponen umum. Sistem perlu [[leksikon]] akan [[bahasa]], [[parsing]] dan kaidah [[tata bahasa]] kepada mengurai kalimat menjadi representasi internal. Konstruksi leksikon yang kaya dengan [[ontologi]] yang sesuai, membutuhkan upaya signifikan. Contoh: leksikon [[Wordnet]] diperlukan usaha bertahun-tahun.<ref>G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. 1990. ''WordNet: An online lexical database''. Int. J. Lexicograph. 3, 4, pp. 235-244.</ref> |
|||
== Catatan Kaki == |
== Catatan Kaki == |
||
Revisi per 10 Maret 2018 04.40
Pemahaman bahasa alami (bahasa Inggris: Natural language understanding) NLU atau NLI (Natural Language Interpretation[1]) ialah cabang dari pengolahan bahasa alami dalam kecerdasan buatan yang melapangkan mesin agar mengerti informasi atau data tak terstruktur. Memiliki cakupan lebih luas dibanding tugas NLP yang lain, NLU ialah sebuah AI-complete, yang diketahui berurusan dalam menciptakan mesin secerdas manusia[2].
Komponen dan arsitektur
Terlepas dari pendekatan yang digunakan, kebanyakan sistem pemahaman bahasa alami menetapkan beberapa komponen umum. Sistem perlu leksikon akan bahasa, parsing dan kaidah tata bahasa kepada mengurai kalimat menjadi representasi internal. Konstruksi leksikon yang kaya dengan ontologi yang sesuai, membutuhkan upaya signifikan. Contoh: leksikon Wordnet diperlukan usaha bertahun-tahun.[3]
Catatan Kaki
- ^ Semaan, Paul. (2012). Natural Language Generation: An Overview. Journal of Computer Science & Research (JCSCR) Vol. 1, No. 3, hlm. 50-57, June 2012
- ^ Pathak, Nishith. (2017). Artificial Intelligence for .NET: Speech, Language, and Search: Building Smart Applications with Microsoft Cognitive Services APIs. Apress. hlm. 71
- ^ G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. 1990. WordNet: An online lexical database. Int. J. Lexicograph. 3, 4, pp. 235-244.