MODELTEMU BALIKINFORMASI

LOGO

MODELTEMU BALIKINFORMASI

SUGENG PRIYANTO

LOGO

DQ

R

LOGOFormal Karakteristik Sistem TB

Himpunan yang terdiri dari logical view bagikoleksi-koleksi dokumen D

Himpunan yang terdiri dari logical view bagikebutuhan informasi user. Representasi tersebutdisebut query Q

Framework bagi representasi dokumen, query,dan hubungannya F

R(qi, dj) adalah fungsi rangking (peringkat) yangberasosiasi antara bilangan real dengan query qi Q dan representasi dokumen dj D. Rangkingtersebut mendefinisikan urutan di antaradokumen-dokumen yang diambil denganmenggunakan query qi

Himpunan yang terdiri dari logical view bagikoleksi-koleksi dokumen D

Himpunan yang terdiri dari logical view bagikebutuhan informasi user. Representasi tersebutdisebut query Q

Framework bagi representasi dokumen, query,dan hubungannya F

R(qi, dj) adalah fungsi rangking (peringkat) yangberasosiasi antara bilangan real dengan query qi Q dan representasi dokumen dj D. Rangkingtersebut mendefinisikan urutan di antaradokumen-dokumen yang diambil denganmenggunakan query qi

LOGO

LOGO3 MODEL KLASIK

Model BooleanVector Space ModelProbabilistic

Model BooleanVector Space ModelProbabilistic

http://iperpin.wordpress.com/category/information-retrieval/page/3/

LOGOModel BooleanMerupakan model yang paling sederhanaberdasarkan teori himpunan dan aljabar

BooleanModel ini menggunakan operator boolean

yaitu AND, OR atau NOTMetode ini merupakan metode yang paling

sering digunakan pada mesin penelusur(search engine) karena kecepatannya

Merupakan model yang paling sederhanaberdasarkan teori himpunan dan aljabar

BooleanModel ini menggunakan operator boolean

yaitu AND, OR atau NOTMetode ini merupakan metode yang paling

sering digunakan pada mesin penelusur(search engine) karena kecepatannya

LOGOTeori Himpunan

LOGODiagram Vena Boolean

LOGOTutorials

http://lib.colostate.edu/tutorials/boolean.html

http://lib.colostate.edu/tutorials/boolean.html

LOGOKeuntungan model Booleanmerupakan model sederhana

sehingga mudah diimplementasikanBerguna bagi pengguna yang tidak

memiliki pengetahuan banyakmengenai formulasi kueriEfisien

merupakan model sederhanasehingga mudah diimplementasikanBerguna bagi pengguna yang tidak

memiliki pengetahuan banyakmengenai formulasi kueriEfisien

LOGOKerugianTidak ada peringkat dokumen

(ranking)Tidak mendukung partial matchingSecara keseluruhan tergantung

kepada definisi keyterm danpembobotanDokumen yang terambil hanya

dokumen yang benar-benar sesuaidengan pernyataan boolean/kueriyang diberikan

Tidak ada peringkat dokumen(ranking)Tidak mendukung partial matchingSecara keseluruhan tergantung

kepada definisi keyterm danpembobotanDokumen yang terambil hanya

dokumen yang benar-benar sesuaidengan pernyataan boolean/kueriyang diberikan

LOGOModel Ruang VektorModel vektor berdasarkan keytermModel vektor mendukung partial

matching dan penentuan peringkatdokumenModel vektor memerlukan : Bobot keyterm untuk vektor dokumen Bobot keyterm untuk kueri Perhitungan jarak untuk vektor

document-keyterm

Model vektor berdasarkan keytermModel vektor mendukung partial

matching dan penentuan peringkatdokumenModel vektor memerlukan : Bobot keyterm untuk vektor dokumen Bobot keyterm untuk kueri Perhitungan jarak untuk vektor

document-keyterm

LOGOKonsep

Model ruang vektor dibuat berdasarkanpemikiran bahwa isi dari dokumenditentukan oleh kata-kata yang digunakandalam dokumen tersebut.Model ini menentukan kemiripan

(similarity) antara dokumen dengan querydengan cara merepresentasikan dokumendan query masing-masing ke dalambentuk vektor.Tiap kata yang ditemukan pada dokumen

dan query diberi bobot dan disimpansebagai salah satu elemen vektor

Model ruang vektor dibuat berdasarkanpemikiran bahwa isi dari dokumenditentukan oleh kata-kata yang digunakandalam dokumen tersebut.Model ini menentukan kemiripan

(similarity) antara dokumen dengan querydengan cara merepresentasikan dokumendan query masing-masing ke dalambentuk vektor.Tiap kata yang ditemukan pada dokumen

dan query diberi bobot dan disimpansebagai salah satu elemen vektor

LOGO

http://elib.unikom.ac.id/files/disk1/522/jbptunikompp-gdl-agusmaulan-26077-6-unikom_a-i.pdf

http://elib.unikom.ac.id/files/disk1/522/jbptunikompp-gdl-agusmaulan-26077-6-unikom_a-i.pdf

LOGOKeuntungan

EfisienMudah dalam representasiDapat diimplementasikan pada

document-matching

EfisienMudah dalam representasiDapat diimplementasikan pada

document-matching

LOGOKerugian

Teoritical Frameworknya tidak jelasMenghasilkan indeks yang

berdekatanAsumsi yang digunakan adalah

independensi index term

Teoritical Frameworknya tidak jelasMenghasilkan indeks yang

berdekatanAsumsi yang digunakan adalah

independensi index term

LOGOMODEL PROBABILITAS

model probabilistik mengasumsikanbahwa setiap dokumen dideskripsikanlewat “ada” atau “tidak ada”nya termindeksMenggunakan pendugaan probabilistik

untuk menentukan dokumen yang relevandengan keyterm yang diberikanCukup kompleksKinerjanya lebih efisien dibandingkan

dengan model ruang vektorProbability : Menggunakan semantik

model probabilistik mengasumsikanbahwa setiap dokumen dideskripsikanlewat “ada” atau “tidak ada”nya termindeksMenggunakan pendugaan probabilistik

untuk menentukan dokumen yang relevandengan keyterm yang diberikanCukup kompleksKinerjanya lebih efisien dibandingkan

dengan model ruang vektorProbability : Menggunakan semantik

LOGO