Model tas-kata-kata: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
kTidak ada ringkasan suntingan |
Fitur saranan suntingan: 3 pranala ditambahkan. |
||
(30 revisi perantara oleh 5 pengguna tidak ditampilkan) | |||
Baris 1:
{{DISPLAYTITLE:Model tas-kata-kata}}
'''Model tas-kata-kata''' ({{lang-en|Bag-of-words model}}) ialah sebuah gambaran sederhana digunakan dalam [[Pemrosesan bahasa alami|pengolahan bahasa alami]] dan [[Sistem temu balik informasi|pencarian informasi]].<ref name="s1">Soumya George K, Shibily Joseph. ''Text Classification by Augmenting Bag of Words (BOW) Representation with Co-occurrence Feature''. IOSR Journal of Computer Engineering (IOSR-JCE) Volume 16, Issue 1, Ver. V (Jan. 2014), PP 34-38</ref> Dikenal sebagai model [[ruang vektor]].<ref name="s2">McTear, Michael (''et al''.) (2016). ''The Conversational Interface - Talking to Smart Devices''. hlm. 166.</ref> Pada model ini, tiap kalimat dalam dokumen digambarkan sebagai ''[[Tokenisasi|token]]'', mengabaikan [[tata bahasa]] dan bahkan [[urutan kata]] namun menghitung frekuensi kejadian atau kemunculan kata dari dokumen.<ref name="s2"/><ref>Saxena, D., Saritha, S. K., & Prasad, V. (2017). ''Survey Paper on Feature Extraction Methods in Text Categorization''. International Journal of Computer Applications, 166(11).</ref>
== Contoh Implementasi ==
Terdapat dua dokumen teks sederhana D1 dan D2:<ref name="s1"/>
D1: "''The Sun is a star. Sun is beautiful''."
D2: "''The Moon is a satellite''."
Berdasar pada kedua dokumen tersebut, sebuah kamus dibangun:
<syntaxhighlight lang="text">
{
"The":1
"Sun":2
"is":3
"a":4
"star":5
"beautiful":6
"Moon":7
"satellite":8
}
</syntaxhighlight>
Dokumen memiliki 8 kata berbeda. Tiap dokumen digambarkan sebagai 8 unsur vektor [1, 2, 2, 1, 1, 1, 0, 0] [1, 0, 1, 1, 0, 0, 1, 1] yang mana tiap entri dari vektor mengacu pada jumlah entri dalam kamus.
== Catatan kaki ==
{{reflist}}
[[Kategori:Pemrosesan bahasa alami]]
[[Kategori:Pemelajaran mesin]]
|