Peringkasan Berita Online Corona Virus dengan Metode Lexical Chain dan Word Sense Disambiguation

Komputika Pub Date : 2021-08-30 DOI:10.34010/komputika.v10i2.4499

Nisrina Arintia Maghfiroh, G. Wicaksono, C. Aditya

{"title":"Peringkasan Berita Online Corona Virus dengan Metode Lexical Chain dan Word Sense Disambiguation","authors":"Nisrina Arintia Maghfiroh, G. Wicaksono, C. Aditya","doi":"10.34010/komputika.v10i2.4499","DOIUrl":null,"url":null,"abstract":"Peringkasan berita otomatis merupakan aktivitas mengekstraksi inti dari berita tanpa mengurangi makna penting yang terdapat dalam berita tersebut. Dalam peringkasan berita otomatis terdapat beberapa metode yang dapat digunakan salah satunya yaitu metode Lexical Chain. Metode ini memiliki kinerja yang baik dalam peringkasan teks dengan cara menentukan chain tertinggi. Namun, metode ini memiliki kelemahan yaitu tidak bisa mengidentifikasi kata ambigu yang terdapat pada kalimat berita. Oleh karena itu, untuk memperbaiki kekurangan dari kelemahan metode Lexical Chain maka pada penelitian ini dilengkapi dengan Word Sense Disambiguation untuk mengidentifikasi kata ambigu. Penelitian ini menggunakan 100 berita tentang Covid-19 yang bersumber dari portal berita online terpopuler. Pengujian akurasi peringkasan berita otomatis yang digunakan dalam penelitian ini menggunakan Recall-Oriented Understudy for Gisting Evaluation (ROUGE). Adapun evaluasi yang digunakan pada penelitian ini ada tiga macam yaitu precission, recall, dan f-measure. Hasil evaluasi diperoleh nilai rata-rata precission sebesar 0,62, recall sebesar 0,20, dan f-measure sebesar 0,30.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-08-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Komputika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34010/komputika.v10i2.4499","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Peringkasan berita otomatis merupakan aktivitas mengekstraksi inti dari berita tanpa mengurangi makna penting yang terdapat dalam berita tersebut. Dalam peringkasan berita otomatis terdapat beberapa metode yang dapat digunakan salah satunya yaitu metode Lexical Chain. Metode ini memiliki kinerja yang baik dalam peringkasan teks dengan cara menentukan chain tertinggi. Namun, metode ini memiliki kelemahan yaitu tidak bisa mengidentifikasi kata ambigu yang terdapat pada kalimat berita. Oleh karena itu, untuk memperbaiki kekurangan dari kelemahan metode Lexical Chain maka pada penelitian ini dilengkapi dengan Word Sense Disambiguation untuk mengidentifikasi kata ambigu. Penelitian ini menggunakan 100 berita tentang Covid-19 yang bersumber dari portal berita online terpopuler. Pengujian akurasi peringkasan berita otomatis yang digunakan dalam penelitian ini menggunakan Recall-Oriented Understudy for Gisting Evaluation (ROUGE). Adapun evaluasi yang digunakan pada penelitian ini ada tiga macam yaitu precission, recall, dan f-measure. Hasil evaluasi diperoleh nilai rata-rata precission sebesar 0,62, recall sebesar 0,20, dan f-measure sebesar 0,30.

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

Peringkasan Berita在线冠状病毒登根方法词汇链丹词义消歧

自动新闻报道是在不降低新闻重要性的情况下从新闻中提取核心的活动。在自动新闻评级中，有几种方法可以使用，其中之一是词汇链方法。该方法通过确定最高链在文本分类中具有良好的性能。然而，这种方法有一个弱点，即无法识别新闻中的歧义词。因此，为了纠正词汇链方法的不足，本研究采用词义消歧法对歧义词进行识别。这项研究使用了100篇关于新冠肺炎的新闻报道，这些报道由最受欢迎的在线新闻门户网站组成。本研究中使用的自动新闻评级准确性测试使用了面向回忆的Gisting Evaluation Understudy（ROUGE）。就本研究中使用的评估而言，有三种类型的精确度、召回率和f-measure。评估结果的平均精度值为0.62，召回率为0.20，f-measure为0.30。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Komputika

自引率

0.00%

发文量

审稿时长

12 weeks