Perpustakaan Digital ITB

Model pencari pakar (expert finding, EF) adalah model yang bertujuan menemukan pakar yang relevan pada suatu domain berdasarkan bukti-bukti kepakarannya. Bukti kepakaran yang digunakan, selain berupa informasi tekstual, dapat juga berupa informasi eksternal seperti graf hubungan kepenulisan atau graf sitasi. Namun, seperti model-model information retrieval pada umumnya, model EF dapat mengalami vocabulary mismatch antara kueri dengan dokumen yang dicari. Pada penelitian ini, dikembangkan sebuah model EF berbasis graf untuk mengintegrasikan informasi eksternal, dilengkapi dengan query expansion (QE) untuk mengatasi masalah vocabulary mismatch. Model dibangun dan diuji dengan data publikasi dosen STEI sebagai studi kasus. Hasil eksperimen menyatakan bahwa penambahan informasi eksternal maupun fungsi QE tidak meningkatkan kualitas model secara signifikan. Meskipun demikian, penelitian ini menemukan beberapa hal baru untuk menjadi arahan pada penelitian selanjutnya. Pertama, pada penelitian ini, dianalisis mengenai skenario ideal untuk menggunakan metode sum dan metode mean. Metode agregasi sum lebih baik untuk mengidentifikasi pakar senior, sementara metode agregasi mean lebih baik untuk mengagregasi pakar baru. Kemudian, penelitian ini juga mengidentifikasi beberapa faktor yang menyebabkan topic drift ketika dilakukan QE. Terakhir, melalui penelitian ini, terungkap bahwa ada kebutuhan untuk mendefinisikan pakar secara lebih jelas, terutama pada suatu domain spesifik di mana subdomain di dalamnya cenderung tumpang tindih dengan satu sama lain.