Perpustakaan Digital ITB

Tesis ini membahas tentang pencarian kata kunci dengan metode KlusTree.Hal yang menarik dari metode KlusTree adalah penggunaan model bahasa untuk mengelompokkan data yang memiliki struktur grafsehingga hasil pencarian ditampilkan dalam kluster.Pada penelitian ini diusulkan bentuk representasi yang meningkatkaninformasi dari klusterdengan menambahkan label. Label dibangun dengan mengambil sebuah graf yang disederhanakan untuk menjadi abstrak dari kumpulan pohon pada kluster.Abtraksi pada KlusTree dilakukan dengan metode graph reduced summarizationyaitu sebuah metode yang digunakan untuk frequent pattern miningpada knowledge graph.Keunggulan dari metode tersebut yaitu adanya fungsi bi-criteriayang menilai informativenessdan differencedari berbagai pola sehingga dapat dijadikan rangkuman dari knowledge graph.Eksperimen tesis dilakukan dengan menggunakan data DBLP yang menyimpan informasi karya ilmiah di bidang computer science. Dari penelitian yang dilakukan,metode graph reduced summarizationdapat menghasilkan abstraksi kluster serta dapat dimodifikasi untuk menghitung kualitas informasi yang dihasilkan dari metode KlusTree.Dengan masing-masingeksperimen memasukkan100query diperoleh nilai rata-rata nilai terbaik yaitu 0.81dengannilai? 0.1.Pemberian label dengan melakukan abstraksi kluster dapat menambah informasi bagi user. Solusi yang diajukan untuk membangun abstraksi dari klusterdapat dilakukan dan memberi hasil yang baik. Metode graph reduced summarizationmenghasilkanlabel yang sesuai dengan isi kluster. Selain itu fungsi bi-criteriayang diadaptasi dapatmengevaluasikualitas KlusTree.Fungsi evaluasi menggunakan bi-criteriadapat ditingkatkanuntuk penelitian lanjutan sehingga memberikan nilai yang lebih tepat bagi Klustree.