Ir. Julio Adisantoso, M.Kom.

Presentasi berjudul: "Ir. Julio Adisantoso, M.Kom."— Transcript presentasi:

1 Ir. Julio Adisantoso, M.Kom.
PSEUDO-RELEVANCE FEEDBACK PADA TEMU-KEMBALI MENGGUNAKAN SEGMENTASI DOKUMEN Elenur Dwi Anbiana G Ir. Julio Adisantoso, M.Kom.

2 PENDAHULUAN

3 Latar Belakang ?

4 Istilah peringkat x teratas
Latar Belakang (cont..) Teknik analisis lokal secara otomatis Pseuso-Relevance Feedback Dokumen peringkat 1 Dokumen peringkat 2 Dokumen peringkat 3 … Dokumen peringkat n Dokumen Relevan ekstrak Istilah peringkat x teratas

5 Latar Belakang (cont..) Dokumen relevan »»» segmen relevan Topik1
… Topikn Dokumen Topik segmen Dokumen relevan »»» segmen relevan

6 Tujuan Implementasi dan analisis kinerja kueri perluasan dengan teknik pseudo-relevance feedback berdasarkan segmentasi dokumen

7 Ruang Lingkup Dokumen XML berbahasa Indonesia
Berita-berita dari surat kabar online yang tersedia di Lab TKI Jumlah Dokumen = 1000

8 TINJAUAN PUSTAKA

9 Relevance Feedback mark of relevant document retrieval
expansion term selection relevant documents expanded query

10 Pseudo-Relevance Feedback
retrieval top n document expansion term selection expanded query relevant documents

11 Vector Space Model dokumen mana yang paling dekat dengan kueri ?
θ query Urutkan dokumen berdasarkan ukuran kesamaan dengan vektor kueri

12 Vector Space Model (cont...)
Penilaian kinerja sistem temu-kembali Kueri-kueri AVERAGE PRECISION

13 Algoritma VIPS VIsion based Page Segmentation
Ekstraksi blok visual VIsion based Page Segmentation Pendeteksian pemisah visual Konstruksi struktur isi Algoritma DivideDomtree(pNode, nLevel) { IF (Divideable(pNode, nLevel) == TRUE) FOR EACH child OF pNode DivideDomtree(child, nLevel); ELSE Put the sub-tree (pNode) into the pool as a block; }

14 METODOLOGI PENELITIAN

15 Tahap-tahap Segmentasi Dokumen Penyeleksian Segmen
Inisialisasi Temu-kembali Penyeleksian Kueri Perluasan Evaluasi Temu-kembali Temu-kembali Final

16 Inisialisasi Temu-kembali
Praproses Dokumen Eliminasi Kata Buangan Pengindeksan Teks Tokenisasi Vector Space Model

17 Segmentasi Dokumen segmen segmen segmen <DOC> <DOCNO>
<TITLE>… </TITLE> <AUTHOR>…. </AUTHOR> <TEXT> <P>… </P> <P>…. </TEXT> </DOC> document relevant ekstraksi blok visual title author p segmen segmen segmen

18 Penyeleksian Segmen Teknik vector space model top y segment Segmen

19 Penyeleksian Istilah Perluasan
kata kata kata kata segment relevant pseudo-relevance feedback Istilah perluasan Istilah perluasan Istilah perluasan top x expanded query TSV = idf(t).r/R

20 Temu-kembali Final Vector Space Model Kueri Asli: (tf*2)*idf
Kueri Perluasan: 1-(r-1)/n*idf

21 Evaluasi Hasil Temu-kembali
Recall-precision Average Precion Pengaruh penggunaan PRF PRF berdasarkan segmentasi dokumen Tanpa PRF PRF

22 HASIL DAN PEMBAHASAN

23 Evaluasi Sistem Mengetahui pengaruh pengambilan dokumen peringkat n teratas

24 Evaluasi Sistem (cont..)
Mengetahui pengaruh pengambilan segmen peringkat x teratas

25 Evaluasi Sistem (cont..)
Perbandingan kinerja sistem Perlakuan Sistem AVP Tanpa PRF 0.5216 PRF 0.4887 PRF berdasarkan segmentasi dokumen 0.5214

26 KESIMPULAN DAN SARAN

27 Kesimpulan Kinerja kueri perluasan optimal saat pengambilan segmen dan dokumen peringkat 5 teratas. Kinerja hasil temu-kembali PRF berdasarkan segmentasi dokumen dan tanpa PRF tidak ditemukan perbedaan yang signifikan Kinerja sistem yang didapat cukup baik, yaitu senilai

28 Saran menghilangkan kesalahan penulisan pada koleksi dokumen.
daftar kata buangan yang belum tereliminasi perlu dihilangkan Diterapkan teknik RF.

29 Daftar Pustaka Baeza-Yates R, Ribeiro-Neto B Modern Information System. Addison Wesley. Manning C D, Raghavan P, Schütze H Introduction to Information Retrieval. Cambridge: Cambridge University. Yu S, Wen J-R, dan Ma W-Y, Improving Pseudo-Relevance Feedback in Web Information Retrieval Using Web Page Segmentation. Yu S, Wen J-R, dan Ma W-Y VIPS: a Vision-base Page Segmentation Algorithm.

30 TERIMA KASIH