Pribadi, Nabil Haidarrahman (2020) Sistem Rekomendasi Karya Ilmiah Berdasarkan Semantic Similarity Menggunakan FastText dan Word Mover's Distance. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111640000185-Undergraduate_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Karya ilmiah digunakan oleh para dosen dan mahasiswa untuk dijadikan referensi dalam membuat tugas akhir atau riset. Tetapi, terdapat masalah dalam mencari karya ilmiah yang dicari, terutama dalam menentukan kata yang cocok. Karya ilmiah ini mengusulkan sistem rekomendasi berbasis semantic similarity. Studi kasus yang digunakan pada karya ilmiah ini adalah data dari website IEEE, ACM Digital Library, Science Direct, SpringerLink, dan Wiley Digital Library.
Implementasi pada tesis ini mengusulkan fastText untuk menghasilkan word embedding dan Word Mover’s Distance untuk semantic similarity. Hasil yang diraih dari usulan tugas akhir ini menggunakan tujuh skenario dengan memasukkan query ke masing-masing skenario. Query tersebut adalah dengan menggunakan kata asli, kata asli ditambah kata yang ditambahkan oleh pengguna, dan kata asli ditambah kata yang memiliki makna yang mirip dengan kata asli dari sistem.
Dari skenario-skenario tersebut, menggunakan kata asli ditambah kata yang memiliki makna yang mirip dari sistem meraih hasil akurasi, precision, recall, dan f-1 score yang tertinggi dibandingkan dengan lainnya. Hasil ini membuktikan bahwa metode yang diusulkan dapat menangkap semantic yang lebih baik.
=====================================================================================================================================
Scientific paper is used by lecturers and students to be used as a reference in making a final project or research. However, there are problems in finding the scientific work that is sought, especially in determining the appropriate word. This scientific work proposes a recommendation system based on semantic similarity. Case studies used in this scientific work are data from the IEEE website, ACM Digital Library, Science Direct, SpringerLink, and Wiley Digital Library. Implementation in this thesis proposed fastText for produce word embedding and Word Mover’s Distance for semantic similarity. The results obtained from this proposed method use seven scenarios by entering a query into each scenario. The query is to use the original word, the original word plus words added by the user, and the original word plus words that have meaning similar to the original word from system. From these scenarios, using original words plus words that have similar meanings from system achieves the highest accuracy, precision, recall, and f-1 score compared to others. These results prove that the proposed method can capture semantics better.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Semantic similarity, fastText, Word Mover’s Distance, Recommender System. |
| Subjects: | Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Nabil Haidarrahman Pribadi |
| Date Deposited: | 21 Dec 2022 04:30 |
| Last Modified: | 21 Dec 2022 04:31 |
| URI: | http://repository.its.ac.id/id/eprint/74101 |
Actions (login required)
 |
View Item |