Similarity Analisis.

Slides:



Advertisements
Presentasi serupa
BAB 2 VEKTOR Besaran Skalar Dan Vektor
Advertisements

Ratri Enggar Pawening Materi 4 I NFORMATION R ETRIEVAL.
Model Temu-Balik Informasi
KELOMPOK 2 RIALITA FITRI AZIZAH HENNY SETYOWATI
ALJABAR LINIER & MATRIKS
SUDUT ANTARA DUA VEKTOR PROJEKSI & KOMPONEN DUA VEKTOR
Ranked Retrieval Pencarian Boolean Menghasilkan sekumpulan dokumen yang cocok dengan query, yang tidak cocok tidak muncul Pada kasus.
Pertemuan 2 Aritmatika Vektor.
Matakuliah : Kalkulus II
Inner Product Ortogonal dan Ortonormal Proses Gram Schmidt
VEKTOR.
VEKTOR BUDI DARMA SETIAWAN.
VEKTOR.
Transformasi laplace fungsi F(t) didefinisikan sebagai :
Tim Dosen Data Mining Fakultas Informatika
Temu Balik Informasi Pertemuan Ke – 12 Presentasi Final Project
Final Project Temu Balik Informasi
MATERI PROJECT TI 2014 B Taufik Ari Arnandan ( )
Review Jurnal Nasional
Pertemuan 7 : Latent Semantic Indexing
Konsep dan model temu balik informasi
SUPPORT VECTOR MACHINE
Sistem Temu Kembali Informasi
Implementasi vector space model untuk pencarian dokumen
Natural Language Processing (NLP)
Konsep, Metode dan Model dalam Temu Balik Informasi
Latent Semantic Indexing (LSI)
Analisa Vektor sistem koordinat
Review Jurnal Internasional
VIEW.
OPERASI VEKTOR Pertemuan 3
PERKALIAN VEKTOR Di sini ditanyakan apa yang dimaksud dengan fisika.
Kalkulus 2 Vektor Ari kusyanti.
VECTOR SPACE MODEL.
FINAL PROJECT TEMU BALIK INFORMASI
TEMU KEMBALI INFORMASI
Pengenalan Microsoft Access
Ketua Kelompok Dian Restiani Anggota : Wahyu Septi Anjar
ANALISIS VEKTOR STKIP BANTEN PROGRAM STUDI PENDIDIKAN MATEMATIKA
UNIVERSITAS GUNADARMA 2010
Laten Semantic Indexing
Temu Balik Informasi Persentasi Final Project
Aljabar Linear Elementer
VEKTOR (2).
Information Retrieval
DOT PRODUCT dan PROYEKSI ORTHOGONAL
Perkalian vektor Perkalian titik (dot product)
Vektor Standar Kompetensi:
USAHA.
BAB 3 VEKTOR 2.1.
Oleh : Rahmat Robi Waliyansyah, M.Kom.
PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS BRAWIJAYA 2010
HASIL KALI TITIK (DOT PRODUCT)
5.
Vektor dan Ruang Vektor
METODE ENUMERASI IMPLISIT
BAB 2 VEKTOR 2.1.
Nugraha Iman Santosa ( )
Pembobotan Kata (Term Weighting)
Vektor Proyeksi dari
Object-Oriented Analysis (OOA)
MODUL-3 VEKTOR dan SKALAR
Komponen vektor merupakan proyeksi vektor pada sumbu sistem koordinat
Pengelompokan Dokumen (Document Clustering)
Perkalian vektor Perkalian titik (dot product)
Model Perolehan Informasi
Hasil Temu Kembali Citra
Temu Kembali Informasi
Universitas Gunadarma
Intro Algoritma K-Nearest Neighbor (K- NN) adalah sebuah metode klasifikasi terhadap sekumpulan data maupun dokumen berdasarkan pembelajaran  data yang.
Transcript presentasi:

Similarity Analisis

Langkah-Langkah Langkah - langkah perhitungan similarity dengan metode cosine adalah :

1. Hitung panjang vektor untuk setiap dokumen dan query (abaikan term dengan nilai 0)

2. Kemudian hitung semua dot product (abaikan nilai 0)

3. Kemudian hitung tingkat kemiripan pada tiap dokumen cos 𝜃𝐷1=𝑆𝑖𝑚 (𝑄,𝐷𝑖)

Tabel TF- IDF

LANGKAH 1 |D1| |D1|= 𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐+𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐 |D1| = 0,8631

|D2| |D2|= 𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐+𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐 |D2|=0,7405

|D3| |D3|= 𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟏𝟕𝟔𝟏𝟐+𝟎,𝟏𝟕𝟔𝟏𝟐+𝟒𝟕𝟕𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐+𝟎,𝟒𝟕𝟕𝟏𝟐 |D3|=0,8809

|Q| |Q| = 𝟎,𝟏𝟕𝟔𝟏𝟐+𝟒𝟕𝟕𝟏𝟐 |Q|= 0,508579

LANGKAH 2 Q.D1 = 0,1761 * 0,1761 =0,031008 Q.D2= - Q.D3= 0,1761 * 0,1761 + 0,4771*0,4771= 0,258653

LANGKAH 3 𝑄.𝐷1 𝑄 .|𝐷1| = 0,031008 0,508579∗0,8631 = 0,0706 𝑄.𝐷3 𝑄 .|𝐷3| = 0,258653 0,508579∗0,8809 = 0,577341 Sehingga Pemeringkatannya = 0,5773 0,0706