Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSistem hypertext mempunyai antarmuka komputer yang cocok untuk aplikasi sistem pengambilan informasi. Suatu sistem hypertext yang ideal memberi kemudahan penggunaan dan karakteristik panduan yang mudah dimengerti. Orang tidak perlu mempelajari instruksi pengambilan informasi karena cara pengoperasiannya sangat sederhana. Penyiapan suatu sistem hypertext umumnya memerlukan waktu yang lama, karena kita harus menyusun dan menentukan terlebih dahulu topik-topik mana yang dapat ditelusuri dan diberi penjelasan lebih lanjut atau dihubungkan dengan topik lainnya. Keberadaan naskah acuan dalam hypertext akan membantu dan memudahkan pembaca naskah tersebut untuk mempelajari dan memahami topik-topik. tertentu di dalamnya dengan cepat. Salah satu naskah acuan yang banyak diminati orang adalah Al Qur'an dan Hadits Nabi. Namun kebanyakan perangkat lunak naskah tersebut belum dalam bentuk hypertext dan beberapa perangkat lunak tersebut memerlukan perangkat keras khusus dalam peragaannya. Dalam studi ini penulis membuat suatu prototipe perangkat lunak pembentuk naskah Al Qur'an dalam bentuk hypertext yang mudah dimodifikasi dan tidak memerlukan perangkat keras khusus pendukung tulisan Arab. Prototipe dibuat dengan memanfaatkan LEX dan YACC yang dikompilasi dalam lingkungan MS Windows."

"

Tujuan dari penelitian ini adalah membangun dependency parser untuk Bahasa Indonesia menggunakan pendekatan cross-lingual transfer learning. Sebagai source language dipilih empat bahasa, yaitu Bahasa Perancis, Bahasa Italia, Bahasa Slovenia, dan Bahasa Inggris. Dependency parser dibangun menggunakan transformer (self-attention encoder) sebagai encoder layer dan deep biaffine decoder sebagai decoder layer. Pendekatan transfer learning dengan fine-tuning mampu meningkatkan performa model dependency parser untuk Bahasa Indonesia dengan margin yang paling tinggi yaitu 4.31% untuk UAS dan 4.46% untuk LAS dibandingkan dengan pendekatan training from scratch.

---

The objective of this research is to build a dependency parser for Indonesian using cross-lingual transfer learning. As the source language, chosen four languages: French, Italian, Slovenian, and English. The dependency parser is built using a transformer (self-attention encoder) as the encoder layer and a deep biaffine decoder as the decoder layer. The transfer learning approach with fine-tuning can improve the performance of the dependency parser model for Indonesian with the highest margin of 4.31% for UAS and 4.46% for LAS compared to the training from scratch approach.

"