Being someone who is able to contend with my interest and to learn new imaginative, intuitive, and communicative things. The greatest hope of my ability can be beneficial to others.
Salah satu teknik pembuatan pre-trained word embedding adalah dengan menggunakan GloVe. Sebelumnya juga sudah saya jelaskan bagaimana prinsip kerja GloVe. Ekperimen pembuatan GloVe kali ini juga dengan memanfaatkan data korpus Wikipedia Bahasa Indonesia.
GloVe termasuk metode unsupervised learning saat melakukan proses pembelajaran representasi kata dari kemunculan kata dalam corpus yang diberikan. Unsupervised learning merupakan metode yang tidak menggunakan data latih sehingga data berasal dari data yang ada dengan mengklasifikasikan menjadi beberapa bagian.
Model deep learning tidak dapat langsung melakukan pemrosesan data dalam bentuk teks. Oleh karena itu data perlu diolah ke dalam bentuk integer (berupa matriks ataupun vektor), proses ini bisa disebut word embedding.
Word2vec dikembangkan oleh Thomas Mikolov, merupakan implementasi jaringan syaraf tiruan yang dapat mengolah kata-kata dari dataset yang sangat besar dengan waktu yang relatif singkat dan nilai akurasi yang lebih baik dibandingkan dengan metode yang pernah ada sebelumnya.
Dataset yang telah diperoleh melalui proses scrapping halaman website menggunakan library Python Beautifulsoup4 masih berupa data asli/mentah sehingga memerlukan pengolahan ke dalam format sebagaimana mestinya.
Proses scrapping kali ini digunakan untuk mengambil data ulasan dari daftar nover terbaik Indonesia. Untuk data case tersebut saya ambil melalui situs goodreads.com dan untuk list novel terbaik yang saya gunakan bisa mengunjungi alamat url berikut
