Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya Tugas Akhir
PUBLIC karya
Knowledge graph merupakan salah satu teknologi semantic web yang dapat dimanfaatkan
untuk memahami entitas pada teks, visualisasi graf, dan meningkatkan proses bisnis seperti
pencarian informasi pada e-commerce. Salah satu sumber informasi yang digunakan
membangun knowledge graph adalah data teks yang terdapat pada platform e-commerce. Ecommerce tidak memiliki informasi terstruktur dari produk yang dijual dan bergantung pada
informasi yang disediakan toko yang berjualan di platform e-commerce. Oleh karena itu, perlu
dilakukan penelitian pembangunan knowledge graph dari teks produk pada e-commerce.
Untuk memperoleh struktur entitas pada knowledge graph, dilakukan ekstraksi informasi dari
teks produk menggunakan pendekatan transfer learning dengan tipe full-fine tuning dari model
multilingual-BERT-base-cased dan XLM-RoBERTa-base. Kemudian, dilakukan
pembangunan knowledge graph mengadopsi framework T2KG yang terdiri dari komponen
entity mapping dan triple integration. Pada komponen entity mapping dilakukan pemetaan
hasil ekstraksi informasi dari teks menjadi entitas unik. Hasil pemetaan entitas dikaitkan
dengan entitas lain pada komponen triple integration. Dengan keterbatasan teks, relasi antar
entitas diperoleh dari skema ontologi Product yang diadopsi dari Schema.org.
Eksperimen ekstraksi informasi dilakukan untuk memperoleh model yang robust pada merek
yang tidak terdapat pada data latih maupun pada e-commerce yang berbeda. Dengan
menggunakan 1.500 data latih, dan 216 data uji, diperoleh F1-score rata-rata terbaik 0,895
untuk 4 skenario uji. Hasil terbaik ini diperoleh dengan menggunakan arsitektur XLMRoBERTa. Untuk evaluasi pemetaan hasil ekstraksi informasi ke knoweldge graph dari 1.445
teks produk dari dua e-commerce yang berbeda, 338 entitas produk dibentuk pada knowledge
graph dengan presisi pemetaan sebesar 0,94.