MODEL probabilistik KELOMPOK 6.

Presentasi berjudul: "MODEL probabilistik KELOMPOK 6."— Transcript presentasi:

1 MODEL probabilistik KELOMPOK 6

2 ANGGOTA KELOMPOK Eko Prasetyo (15.11.0104) Abdurahman (15.11.0114)
Chandra Setyawan ( ) Acmad Ulfi ( ) Moh. Solahudin ( ) Novian Adi K ( )

3 model probabilistik Model probabilistik adalah model sistem temu kembali informasi yang mengurutkan dokumen dalam urutan menurun terhadap peluang relevansi sebuah dokumen terhadap informasi yang dibutuhkan. Beberapa model yang juga dikembangkan berdasarkan perhitungan probabilistik yaitu, Binary IndependenceModel, model Okapi BM25, dan Bayesian Network Model (Manning dkk, 2009).

4 Karakteristik model probabilistik dalam sistem temu kembali adalah sebagai berikut :
Melakukan pendugaan page relevansi dengan menggunakan probabilistik Mempunyai teoritical framework yang jelas Berdasarkan prinsip statistik Relevansi dokumen dapat diupdate Adanya feed back dari user Ide dasar Query dapat menghasilkan jawaban yang benar Menggunkan indeks term Menggunakan pendugaan awal Menggunakan initial hasil Feed back dari user dapat memperbaiki probabilitas dari relavansi

5 Model ini juga dibagi menjadi 2 model lagi, yaitu :
Inference Network Model 2. Belief Network Model

6 1.Inference Network Model
► Prinsip Dasar : random variable digunakan untuk i.      dokumen ii.      index terms iii.      user queries random variable untuk dokumen dj i.      event of observing document ii.      observing document  random variable merupakan index term ► Query Random Variable kejadian dimana permintaan informasi sudah terpenuhi dipengaruhi oleh random variable yang menyatakan dokumen dan index term ► Peringkat dokumen

7 Model Inference Network memungkinkan adanya multiple composite queries:
Operasi boolean pada query node Menggunakan prinsip operasi yang sama Tujuan model ini adalah untuk menentukan probability of relevance berdasarkan kueri yang diberikan

8 Belief Network Model 2. Belief Network Model
Model ini menggunakan prinsip yang sama dengan inference network Graph : terms, document, queries adalah node dan edge menyatakan relationship atau  degree of belief Retrieval dan peringkat (ranking) Konsep node Peringkat dokumen : konsep matching relationship antara kueri dengan dokumen

9 Proses pembobotan Dari beberapa model temu kembali informasi, masing-masing memiliki cara mempresentasikan dokumen atau kueri melalui cara pembobotan istilah penyusunnya. Dalam model probabilistik, bobot istilah dianggap sebagai nilai peluang. Jika istilah muncul dalam suatu dokumen maka nilai bobotnya 1 jika sebaliknya maka 0. Istilah kueri, dibobot dengan 1 untuk masing-masing istilah. Karena nilai bobotnya 1 atau 0, hal ini sering dinggap sebagai kelemahan cara pembobotan ini, karena menghilangkan faktor frekuensi istilah.

10 Sumber Digilib:%20Sistem%20Temu%20Kembali%20Informasi.html model-temu-balik-informasi/ temu-balik.html