PERINGKASAN TEKS MODEL GRAF PADA SINGLE DOKUMEN DENGAN METODE SPARSE NON NEGATIVE MATRIX FACTORIZATION

Irwan Darmawan, Reddy Alexandro Harianto, Hendrawan Armanto

Abstract


Isi dari sebuah dokumen yang memiliki pembahasan panjang akan menyulitkan bagi pembaca untuk menentukan ide pokok dari pembahasan dokumen tersebut. Pendekatan yang digunakan dalam mengaplikasikan sistem peringkasan ini adalah pendekatan ekstraktif yaitu menghasilkan ringkasan dengan cara memotong bagian penting dari teks asli dan menyusunnya untuk membentuk ringkasan yang koheren Dengan menggunakan sistem peringkasan teks model graf ini diharapkan akan mempermudah bagi pembaca untuk mengetahui secara tepat dan cepat topik atau ide pokok yang dibicarakan pada dokumen yang dibaca. Salah satu metode untuk menemukan hubungan antar kalimat yang satu dengan kalimat yang lain adalah menggunakan model graf. Kemudian diperlukan metode SNMF (sparse non negative matrix factorization) untuk mengelompokkan / mengcluster kalimat didalam sebuah dokumen. Kumpulan cluster dengan metode SNMF tersebut dapat diambil beberapa bagian yang penting untuk dijadikan sebagai penentu dari topik yang ada didalam single dokumen tersebut

Full Text:

PDF

References


Shuzhi Sam Ge, Zhengchen Zhang, Hongsheng He (2013), “Weighted graph Model based sentence clustering and Rangking for Document Summarization”, Journal of IEEE,2013

Anyman El-Kilany, Iman Saleh (2012), “Unsupervised Document Summarization Using Clusters of Dependency Graph Nodes”, Journal of International Conference on Intelligent Systems Design and Applications (ISDA), IEEE (2012),hal 557-561.

Ailin Li, Tao Jiang, Qingshuai Wang, Hongzhi Yu (2016), “The Mixture of TextRank and LexRank Techniques of Single Document Automatic Summarization Research in Tiben”, Journal of International Conference on Intelligent Human-Machine Systems and Cybernetics, IEEE (2016) hal. 514-519.

Patrik O. Hoyer, (2004), “Non-Negative Matrix Factorization with Sparseness Constrains”, International Journal of Machine Learning Research, 5,(2004), hal. 1457-1459.

L. Page, S. Brin, R. Motwani, and T. Winograd, “The pagerank citation ranking: Bringing order to the web,” Technical report, Stanford Digital Library Technologies Project, Tech. Rep., 1998.

Sarkar, Kamal, (2013), “Automatic single document Text Summarization Using Key Consepts in Document,” The Journal of J Inf Process Syst, vol. 9,no.4, pp. 602–620, 2013.

Alex Alifimoff, “ Abstraktive sentence Summarization with Attentive Deep RecurrentNeural Networks,” Journal of https://cs224d.stanford.edu/report/aja2015.pdf, (2015)




DOI: https://doi.org/10.22219/sentra.v0i3.1469

Refbacks

  • There are currently no refbacks.


________________________________________________________________________________________

Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang 65144