Text Clustering Based on Key Phrases

Wang, Ai; Li, Yaodong; Wang, Wei

doi:10.1109/icise.2009.1163

Cited by 6 publications

(6 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Misalnya satu set dokumen D dikategorikan menjadi beberapa kelas (3) dan (4). F i merupakan fungsi dari precision dan recall [10].…”

Section: Precision Recall Dan F-measureunclassified

“…Untuk menghindari overlap seperti ini, cluster-cluster yang topiknya serupa dihubungkan hanya pada satu kelas [10].…”

Section: Precision Recall Dan F-measureunclassified

“…Misalnya data setnya berisi dokumen yang memiliki banyak tema sehingga bisa masuk ke dalam beberapa topik. Meskipun tidak secara langsung menggambarkan kualitas clustering, pengukuran overlap bisa membantu dalam analisis hasil evaluasi [10].…”

Section: Cluster Overlapunclassified

“…Nilai ini diperoleh dengan terlebih dahulu mengelompokkan data set menjadi kelas-kelas bertema potensi daerah. Selanjutnya, klaster dan kelas yang sama topiknya direlasikan dan dihitung Overall precision, Overall recall, dan Overall F-Measure-nya [10]. Nilai precision, recall, F-Measure LINGO lebih tinggi daripada STC.…”

Section: Perbandingan Hasil Clusteringunclassified

See 3 more Smart Citations

Analisis Potensi Daerah Melalui Metode Document Clustering Laporan Pelaksanaan Kegiatan Kuliah Kerja Nyata-Pembelajaran Pemberdayaan Masyarakat

Mustika¹,

Adji²,

Kadir³

2015

JEPIN

View full text Add to dashboard Cite

Tugas mahasiswa selama KKN adalah membuat dan melaksanakan program kegiatan yang bermanfaat bagi pemberdayaan masyarakat setempat. Setelah menyelesaikan seluruh program kegiatan, mahasiswa diwajibkan membuat laporan pelaksanaan kegiatan KKN-PPM. Laporan ini berisi tentang penjelasan pelaksanaan kegiatan yang telah dilakukan oleh masing-masing mahasiswa.Kegiatan KKN telah dilaksanakan bertahun-tahun sehingga laporan yang terkumpul juga sudah sangat banyak. Laporan ini sebenarnya bisa menjadi sumber infromasi. Salah satu informasi yang bisa digali dari dokumen laporan tersebut adalah informasi tentang potensi daerah lokasi KKN. Potensi adalah sesuatu hal yang dapat dijadikan sebagai bahan atau sumber yang akan dikelola, baik melalui usaha yang dilakukan manusia maupun yang dilakukan melalui tenaga mesin [1]. Ragam program kegiatan yang dilakukan mahasiswa di suatu lokasi KKN-PPM bisa menjadi indikator potensi yang dimiliki daerah tersebut. Sebagai contoh, kegiatan KKN tentang penyuluhan perikanan atau budidaya jahe di suatu lokasi KKN bisa menjadi indikator bahwa daerah tersebut memiliki potensi sumber daya alam jahe atau perikanan.Salah satu metode untuk menambang (mining) informasi dari sebuah data adalah data mining, atau dalam hal ini, text mining karena datanya berbentuk dokumen teks. Menambang data adalah memperoleh informasi lebih dalam dari informasi yang tampak pada sebuah data.Penelitian ini bertujuan untuk menambang informasi tentang potensi daerah dari dokumen laporan pelaksanaan kegiatan KKN-PPM menggunakan salah satu metode pada text mining, yaitu document clustering. Clustering dilakukan dengan dua pendekatan yaitu, STC dan LINGO. Keduanya merupakan algoritma berbasis frasa. Dengan menggunakan dua algortima, hasil klaster yang diperoleh bisa dibandingkan dan dianalisa manakah yang menghasilkan klaster lebih baik dalam penggambaran potensi daerah lokasi KKN-PPM UGM.Gambaran potensi daerah yang dihasilkan dari clustering dokumen laporan KKN ini, diharapkan dapat bermanfaat bagi pengelola KKN-PPM, sebagai pertimbangan kegiatan KKN selanjutnya, serta pihak terkait (pemerintah setempat, kabupaten, dan lain-lain) dalam pengembangan daerah. II. TEXT MININGText mining merupakan cabang dari data mining, sehingga kadang disebut sebagai text data mining. Text mining secara garis besar dapat dikatakan sebagai analisis data teks, yaitu mendapatkan informasi bermanfaat dari sekumpulan data teks. Informasi ini bukan informasi yang sudah eksplisit tertuang dalam teks, tetapi informasi baru yang dapat disarikan dari kumpulan teks itu melalui pola. Text mining mampu

show abstract

“…Misalnya satu set dokumen D dikategorikan menjadi beberapa kelas (3) dan (4). F i merupakan fungsi dari precision dan recall [10].…”

Section: Precision Recall Dan F-measureunclassified

“…Untuk menghindari overlap seperti ini, cluster-cluster yang topiknya serupa dihubungkan hanya pada satu kelas [10].…”

Section: Precision Recall Dan F-measureunclassified

Section: Cluster Overlapunclassified

Section: Perbandingan Hasil Clusteringunclassified

See 2 more Smart Citations

Analisis Potensi Daerah Melalui Metode Document Clustering Laporan Pelaksanaan Kegiatan Kuliah Kerja Nyata-Pembelajaran Pemberdayaan Masyarakat

Mustika¹,

Adji²,

Kadir³

2015

JEPIN

View full text Add to dashboard Cite

show abstract

“…Ontologies can be used to represent documents at a semantic level [ 8 , 9 ], but this concept-based model needs a well-defined database or a gold standard set for mapping words to pre-defined concepts. Key phrase-based approaches were also proposed for text clustering [ 10 , 11 ]. Key phrase extraction constructs a human-friendly feature set.…”

Section: Introductionmentioning

confidence: 99%

Thematic clustering of text documents using an EM-based approach

Kim

Wilbur

2012

J Biomed Semant

View full text Add to dashboard Cite

Clustering textual contents is an important step in mining useful information on the web or other text-based resources. The common task in text clustering is to handle text in a multi-dimensional space, and to partition documents into groups, where each group contains documents that are similar to each other. However, this strategy lacks a comprehensive view for humans in general since it cannot explain the main subject of each cluster. Utilizing semantic information can solve this problem, but it needs a well-defined ontology or pre-labeled gold standard set. In this paper, we present a thematic clustering algorithm for text documents. Given text, subject terms are extracted and used for clustering documents in a probabilistic framework. An EM approach is used to ensure documents are assigned to correct subjects, hence it converges to a locally optimal solution. The proposed method is distinctive because its results are sufficiently explanatory for human understanding as well as efficient for clustering performance. The experimental results show that the proposed method provides a competitive performance compared to other state-of-the-art approaches. We also show that the extracted themes from the MEDLINE® dataset represent the subjects of clusters reasonably well.

show abstract

PubMed Phrases, an open set of coherent phrases for searching biomedical literature

et al. 2018

View full text Add to dashboard Cite

In biomedicine, key concepts are often expressed by multiple words (e.g., ‘zinc finger protein’). Previous work has shown treating a sequence of words as a meaningful unit, where applicable, is not only important for human understanding but also beneficial for automatic information seeking. Here we present a collection of PubMed® Phrases that are beneficial for information retrieval and human comprehension. We define these phrases as coherent chunks that are logically connected. To collect the phrase set, we apply the hypergeometric test to detect segments of consecutive terms that are likely to appear together in PubMed. These text segments are then filtered using the BM25 ranking function to ensure that they are beneficial from an information retrieval perspective. Thus, we obtain a set of 705,915 PubMed Phrases. We evaluate the quality of the set by investigating PubMed user click data and manually annotating a sample of 500 randomly selected noun phrases. We also analyze and discuss the usage of these PubMed Phrases in literature search.

show abstract

Text Clustering Based on Key Phrases

Cited by 6 publications

References 7 publications

Analisis Potensi Daerah Melalui Metode Document Clustering Laporan Pelaksanaan Kegiatan Kuliah Kerja Nyata-Pembelajaran Pemberdayaan Masyarakat

Analisis Potensi Daerah Melalui Metode Document Clustering Laporan Pelaksanaan Kegiatan Kuliah Kerja Nyata-Pembelajaran Pemberdayaan Masyarakat

Thematic clustering of text documents using an EM-based approach

PubMed Phrases, an open set of coherent phrases for searching biomedical literature

Contact Info

Product

Resources

About