Similarity measure for semi-structured information retrieval based on the path and neighborhood

Information Retrieval Pada Frequently Asked Questions (FAQ) dengan metode String Similarity

“…implementasi information retrival seperti mesin mencari menggunakan query dari pengguna dengan bahasa alami manusia kemudian sistem dapat menemukan dokumen atau informasi yang berkaitan dengan query dari pengguna [5]. Pada sistem information retrieval selain menerima input dari pengguna yang disebut dengan query, dilakuan proses menentukan dokumen yang paling mirip (similar) dan selanjutnya memberikan respon ke pengguna [6] [7] Kunci dari information ratrival terletak pada bagaimana menemukan kemiripan / similaritas query dari pengguna dengan dokumen atau informasi pada basis data. Penerapan metode string similarity untuk menentukan kemiripan teks maupun dokumen telah banyak dilakukan untuk berbagai kebutuhan pengembangan sistem seperti yang dilakukan [8] menerapkan string similarity Dengan algoritma cosine similarity untuk sistem question answering, metode yang digunakan adalah mencari dokumen paling relevan berdasarkan pertanyaan yang diberikan dan memperoleh jawaban berdasarkan rules untuk setiap pertanyaan, hasil nya metode yang diusulkan memperoleh akurasi sebesar 40%.…”

A Face Occlusion Removal and Privacy Protection Method for IoT Devices Based on Generative Adversarial Networks

“…Based on the highly nonlinear characteristics of neural network algorithms, using BP network to optimize the weight of each parameter in the entire neural network, constantly revising the weights, Xu et al [27] constructed a personalized behaviour based on users. Latreche and Guezouli [43] use the correlation characteristics of neighbor nodes in the neural network to combine all documents into a neural network and retrieves the most relevant document according to Query. The method (Figure 1) consists of two parts, namely, the Edge-inpaint network and the Image-inpaint network.…”