Ekstraksi Aspek menggunakan BiLSTM-CRFs pada Ulasan Lipstik Bahasa Indonesia (Aspect Extraction using BiLSTM-CRFs on Indonesian Lipstick Reviews)
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
RIFQI AHMAD FAUZI
Subject
Natural language processing
Datestamp
2021-10-25 00:00:00
Abstract :
Ulasan merupakan suatu tulisan opini yang menilai mengenai karya atau kejadian yang diulas, dan aspek merupakan kata atau frasa yang menggambarkan atribut atau fitur entitas yang menjadi target opini. Di era modern, terdapat banyak situs yang memberi wadah terhadap pengguna untuk memberikan ulasan terhadap suatu produk, contohnya situs femaledaily.com yang memberikan wadah kepada penggunanya untuk mengulas produk-produk kecantikan, salah satunya produk lipstik. Aspek yang terdapat pada ulasan menjadi informasi berharga bagi para pemilik bisnis karena dengan adanya ulasan produk, mereka bisa mendapatkan wawasan dan informasi terhadap produknya sehingga dapat meningkatkan kualitas produknya. Namun mengambil informasi aspek dari teks ulasan dengan jumlah yang banyak membutuhkan waktu dan sumber daya yang besar jika dilakukan secara manual. Adanya sebuah sistem untuk dapat mengekstraksi aspek secara otomatis dari teks ulasan akan membantu. Oleh karena itu, pada penelitian ini dilakukan pembangunan sistem ekstraksi aspek dengan menggunakan metode Bidirectional Long Short-Term Memory dengan Conditional Random Fields (BiLSTM-CRFs). Hasil pengujian mendapatkan nilai F1 Score sebesar 57% dengan tuning parameter dimensi vektor embedding layer sebesar 256, banyak batch sebesar 32, dan banyak epoch sebesar 64.
Ulasan merupakan suatu tulisan opini yang menilai mengenai karya atau kejadian yang diulas, dan aspek merupakan kata atau frasa yang menggambarkan atribut atau fitur entitas yang menjadi target opini. Di era modern, terdapat banyak situs yang memberi wadah terhadap pengguna untuk memberikan ulasan terhadap suatu produk, contohnya situs femaledaily.com yang memberikan wadah kepada penggunanya untuk mengulas produk-produk kecantikan, salah satunya produk lipstik. Aspek yang terdapat pada ulasan menjadi informasi berharga bagi para pemilik bisnis karena dengan adanya ulasan produk, mereka bisa mendapatkan wawasan dan informasi terhadap produknya sehingga dapat meningkatkan kualitas produknya. Namun mengambil informasi aspek dari teks ulasan dengan jumlah yang banyak membutuhkan waktu dan sumber daya yang besar jika dilakukan secara manual. Adanya sebuah sistem untuk dapat mengekstraksi aspek secara otomatis dari teks ulasan akan membantu. Oleh karena itu, pada penelitian ini dilakukan pembangunan sistem ekstraksi aspek dengan menggunakan metode Bidirectional Long Short-Term Memory dengan Conditional Random Fields (BiLSTM-CRFs). Hasil pengujian mendapatkan nilai F1 Score sebesar 57% dengan tuning parameter dimensi vektor embedding layer sebesar 256, banyak batch sebesar 32, dan banyak epoch sebesar 64.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
