Semantic Role Labeling pada Adptasi Domain menggunakan Instance Weighting

MUHAMMAD FATHUR RAHMAN

Informasi Umum

Kode

17.04.1119

Klasifikasi

620.007 - Engineering research

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Text Mining

Dilihat

184 kali

Informasi Lainnya

Abstraksi

Pemberian label peran kepada argumen dari sebuah kalimat berdasarkan predikatnya merupakan proses yang disebut semantic role labeling. Hal ini dapat dilakukan secara manual oleh manusia atau dengan menciptakan sebuah sistem yang dapat menentukan label peran. Bagaimana jika dataset yang ingin diberi label berasal dari bidang atau domain yang berbeda dari dataset yang sudah memiliki label? Salah satu solusinya adalah dengan menggunakan domain adaptation. Domain adaptation memungkinkan kita untuk mendapatkan dataset baru yang sudah memiliki label dari dataset yang berbeda domain dengan menggunakan learning algorithm. Tugas akhir ini mencoba mengaplikasikan adaptasi domain berdasarkan penelitian yang telah dilakukan oleh Jiang dan Zhai, yaitu adaptasi domain dengan menggunakan metode instance weighting. Pada penelitian tugas akhir ini digunakan algoritma adaptasi domain yaitu instance pruning yang menghapus misleading instances dari source domain. Fitur yang digunakan pada proses klasifikasi argumen semantik adalah baseline feature ditambah additional feature. Hasil dari penelitian ini memperlihatkan pengaruh dari penggunaan instance pruning pada adaptasi domain. Proses penghapusan instances difokuskan pada atribut argumen dari proses klasifikasi argumen semantik. Instances pada source domain yang memiliki nilai argumen yang tidak dimiliki oleh instances pada target domain dihapus karena diasumsikan sebagai noise. Hasil dari pengujian dengan menggunakan instance pruning didapatkan nilai F1 score sebesar 0.78.