<![CDATA[Pencarian dokumen yang relevan dapat ditingkatkan dengan metode ekspansi kueri berbasis word embeddings. Studi ini mengusulkan pendekatan pembobotan ekspansi kueri dengan mempertimbangkan korelasi term terhadap kueri serta frekuensinya dalam dokumen menggunakan metode Word Embeddings (WE) dan Inverse Book Frequency (IBF). Pembobotan dilakukan dengan mengalikan nilai similaritas dari WE dengan bobot TF-IDF-IBF untuk meningkatkan relevansi pencarian dokumen secara lebih akurat. Hasil eksperimen menunjukkan bahwa metode ini menghasilkan f-score sebesar 0,743, dengan performa optimal ketika jumlah term ekspansi yang dipilih lebih sedikit. Selain itu, metode ini lebih unggul dibandingkan pendekatan tradisional seperti TF-IDF atau BM25 dalam mengurangi term yang tidak relevan, sehingga meningkatkan efektivitas pencarian informasi dalam dataset yang lebih luas. Namun, pendekatan ini masih memiliki keterbatasan dalam kompleksitas komputasi serta ketergantungan pada kualitas dataset pelatihan yang digunakan. Studi ini menyarankan eksplorasi lebih lanjut dengan model berbasis transformer seperti BERT atau RoBERTa untuk meningkatkan efektivitas pencarian dokumen. Dengan mengintegrasikan metode ini ke dalam sistem pencarian informasi, diharapkan pencarian dokumen menjadi lebih akurat, efisien, dan relevan dengan kebutuhan pengguna di berbagai domain aplikasi.]]>
Copyrights © 2024
