OPTIMASI ALGORITMA SIMPLIFIED LESK DENGAN SPACY UNTUK WORD SENSE DISAMBIGUATION PADA KALIMAT BAHASA INGGRIS

Sari

Word Sense Disambiguation (WSD) merupakan tantangan penting dalam
pemrosesan bahasa alami yang bertujuan untuk menentukan makna yang
benar dari kata yang ambigu dalam konteks kalimat. Dalam penelitian ini,
kami memperkenalkan sebuah pendekatan baru dalam peningkatan akurasi
WSD dalam bahasa Inggris dengan mengoptimalkan algoritma Lesk
menggunakan library Spacy. Algoritma Simplified Lesk telah dikenal
memiliki keterbatasan dalam pemrosesan kata-kata yang beragam dalam
kalimat. Spacy merupakan library natural language processing (NLP) yang
sangat powerful, terutama untuk pemrosesan bahasa Inggris. Tidak hanya
fungsi-fungsi dasar seperti tokenizer, library ini juga mendukung fungsi NLP
yang bergantung pada solusi berbasis machine learning seperti part-of-
speech (POS) tagging, Named entity recognition (NER), dan dependency
parsing. Penelitian sebelumnya berhasil menunjukkan nilai recall, precision,
dan f-measure masing-masing sebesar 40%, 40%, dan 40%. Dengan
memanfaatkan kemampuan Spacy, kami berhasil meningkatkan nilai recall,
precision, dan f-measure masing-masing sebesar 45%, 45%, dan 45% pada
sejumlah dataset uji.