Perpustakaan Digital ITB

Sentiment Analysis atau SA merupakan salah satu bidang pada Natural Language Processing atau NLP yang paling banyak dipakai saat ini. Kemudian di SA sendiri ada cabangnya juga seperti aspect-based, end2end, targeted, dan lainnya. Karena banyaknya cabang ini, perkembangan menjadi sulit dilacak perkembangannya. Untuk mengatasi ini, diberikan sebuah solusi berupa Structured Sentiment Analysis yang bertujuan memprediksi holder, target, ekspresi, dan polaritas kalimat secara kolektif dalam sebuah tupel. Salah satu metode yang digunakan adalah menggunakan BART-based Encoder-Decoder, namun metode ini memiliki kelemahan dalam menangani kalimat panjang dan tanpa opini. Karena itu, diajukan sebuah solusi untuk mengatasi kelemahan tersebut dengan melakukan gabungan dengan sebuah RNN atau Recurrent Neural Network. Dari sejumlah alternatif RNN yang telah dipelajari, akhirnya dipilih sebuah bi-LSTM untuk digunakan. Dari hasil yang diperoleh, penggunaan bi-LSTM dapat meningkatkan kinerja BART-based Encoder-Decoder.