Review Named Entity Recognition dengan Menggunakan Machine Learning

Article Sidebar

PDF
Published: Jun 17, 2020
DOI: https://doi.org/10.34128/jsi.v6i1.204
Keywords:
ANN, CFR, Machine Learning, NER, Supervised Learning

Main Article Content

Dwi Swasono Rachmad
Jurusan Teknik Informatika, Universitas Bhayangkara Jakarta Raya

Abstract

NER atau Named Entity Recognition yang sering dikenal sebagai salah satu komponen utama dari sistem pertanyaan jawaban. NER memiliki cara tradisional yang selanjutkan dikembangkan sebagai salah satu komponen untuk mendapatkan informasi dengan mengekstraksi kata dan terdapat teknik yang dapat difokuskan pada tahap terakhir. Pada artikel ini dapat diketahui dengan melakukan beberapa pendekatan telah digunakan oleh beberapa peneliti dalam meneliti fungsi NER sebagai ekstraksi informasi kata. Name Entity Recognition atau NER pada berbagai penerapan yang telah dilakukan penelitiannya. NER memiliki fungsi sebagai ekstrasi dari kata yang dapat memberikan informasi terkait kalimat atau kata-kata. Berdasarkan pada penelitian dapat diketahui terdapat beberapa masalah pada sistem penjawab pertanyaan yang masih merupakan bidang yang menarik untuk dilakukan pada bahasa Indonesia, Bahasa India khususnya Telugu, bahasa Arab, dan NER pada kelas nama, lokasi, organisasi, dan lainnya menghasilkan hasil yang baik dan akurasi tinggi.  Namun NER yang tidak dilakukan pada kelas lokasi seperti tanggal, waktu, dan tempat serta tidak menggunakan data yang besar untuk ekstrasi dalam NER. Dalam hal ini, NER akan dimanfaatkan untuk machine learning yang lebih baik untuk mengenal berbagai kata atau elemen eksraksi dari suatu kata.

Article Details

Issue
Vol. 6 No. 1 (2020): Jurnal Sains dan Informatika
Section
Articles

References

[1] A. Willyawan, “Named Entity Recognition (NER) Bahasa Indonesia Menggunakan Conditional Random Field dan Pos-Tagging,” Universitas Sumatera Utara, Medan, 2018.
[2] H. A. Ramadhan and D. A. Putri, “Big Data, Kecerdasan Buatan, Blockchain, dan Teknologi Finansial di Indonesia: Usulan Desain, Prinsip, dan Rekomendasi Kebijakan”.Centre for Innovation Policy and Governance (CIPG): Jakarta, 2018.
[3] R. Ashrovy, “Pengenalan dan Tutorial RNN menggunakan Python” 2017. [Online]. Available:https://medium.com/@ashrovy/recurrent-neural-network-part-one-822f1341fec.
[4] N. Sofia, “Convolutional Neural Network” 2018. [Online]. Available: https://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-neural-network-merupakan-salah-satu-metode-machine-28189e17335b
[5] W. Gunawan, D. Suhartono, F. Purnomo, and A. Ongko, “Named-Entity Recognition for Indonesian Language using Bidirectional LSTM-CNNs,” in Procedia Computer Science, 2018, doi: 10.1016/j.procs.2018.08.193.
[6] U. J. A.Salini, “Named Entity Recognition Using Machine Learning Approaches,” Int. J. Innov. Res. Sci. Eng. Technol., vol. 6, no. 11, pp. 491–501, 2017.
[7] N. F. Mohammed and N. Omar, “Arabic Named Entity Recognition using artificial neural network,” J. Comput. Sci., 2012, doi: 10.3844/jcssp.2012.1285.1293.
[8] E. Florez, F. Precioso, M. Riveill, F. Liu, A. Jagannatha, and H. Yu, “Named Entity Recognition using Neural Networks for Clinical Notes,” in Proceedings of Machine Learning Research, 2018.
[9] M. H. Khanam, M. A. Khudhus, and M. S. P. Babu, “Named Entity Recognition using Machine learning techniques for Telugu language,” in Proceedings of the IEEE International Conference on Software Engineering and Service Sciences, ICSESS, 2016, doi: 10.1109/ICSESS.2016.7883220.