Semantic Information Retrival for Scientific Experimental Papers with Knowlege based Feature Extraction

Abstract

Seiring dengan perkembangan zaman, jumlah karya ilmiah semakin meningkat. Permintaan pencarian informasi dalam makalah ilmiah juga meningkat. Pada  makalah ilmiah eksperimental, peneliti mengalami kesulitan dalam mencari informasi pada karya ilmiah eksperimental karena mesin pencari informasi memiliki keterbatasan dalam proses pencarian berdasarkan ekstraksi fitur berbasis text-mining dari seluruh teks, sedangkan jenis makalah ilmiah eksperimental memiliki konten spesifik, yang memiliki perlakuan berbeda dalam ekstraksi fitur. Dalam makalah ini, kami mengusulkan sistem baru untuk pengambilan informasi pada makalah ilmiah eksperimental. Sistem ini terdiri dari 4 fungsi utama: (1) Ekstraksi fitur berbasis konten spesifik, (2) Model klasifikasi, (3) Pemilihan subruang berbasis konteks, dan (4) Pengukuran kesamaan yang bergantung pada konteks. Dalam ekstraksi fitur, sistem kami mengekstraksi kategori fitur dalam makalah ilmiah eksperimental dengan fitur berbasis konten tertentu, yaitu data, masalah, metode, dan hasil. Untuk model klasifikasi, kami menggunakan beberapa algoritma klasifikasi untuk mengklasifikasikan fitur konten tertentu dari paper queri ke agregasi dokumen pembelajaran. Dalam Pemilihan Subruang Berbasis Konteks, sistem melakukan pengurangan dimensi dengan pemilihan subruang berbasis konteks yang dipilih oleh pengguna. Untuk mendapatkan hasil pencarian akhir, kami mengukur kesamaan konteks dengan membangun metrik dataset berdasar konteks ke paper. Untuk melakukan penerapan sistem yang kami usulkan, kami menguji 77 makalah dalam dataset dengan model validasi Leave-One-Out dengan beberapa algoritma klasifikasi (Nearest Neighbor, Naive Bayes, Support Vector Machine, dan Decision Tree) dan rata-rata melakukan presisi 66,65% tingkat dan akurasi tingkat presisi 76,18%. Kami juga melakukan percobaan pada pengukuran kesamaan dengan memberikan queri paper dan konten yang diinginkan (data, hasil, metode, dan masalah) sebagai konteks yang diberikan oleh pengguna. Dalam percobaan pengukuran kesamaan, sistem yang kami usulkan memiliki tingkat akurasi 79,17%.