Quiz IR Pra UAS

Apa yang dimaksud dengan Vector Space Model (VSM)?

• Model statistik untuk klasifikasi dokumen

• Representasi dokumen dan query dalam bentuk graf

• Representasi dokumen dan query dalam bentuk vektor multidimensi

• Model untuk menyimpan dokumen secara terstruktur

Setiap dimensi dalam Vector Space Model mewakili:

• Dokumen unik

• Term unik dari koleksi dokumen

• Paragraf dalam dokumen

• Frekuensi query

Apa tujuan dari pembobotan term dalam VSM?

• Untuk menyimpan dokumen

• Untuk membuat query

• Untuk mengukur kesamaan antara dokumen dan query

• Untuk menghapus dokumen duplikat

Salah satu metode pembobotan term yang umum digunakan adalah:

• Naive Bayes

• TF-IDF

• Cosine Sum

• Bag of Words

Apa fungsi dari cosine similarity dalam VSM?

• Menghitung frekuensi kata dalam dokumen

• Mengurangi dimensi data

• Mengukur kemiripan antara query dan dokumen

• Menghitung panjang dokumen

Apa kelebihan utama dari VSM?

• Menghindari stopword

• Sederhana dan mudah diimplementasikan

• Tidak perlu preprocessing

• Menyimpan semantik kata

Kekurangan dari VSM salah satunya adalah:

• Mengandung kesalahan format

• Tidak mempertimbangkan makna semantik

• Tidak cocok untuk data numerik

• Terlalu sederhana

Dalam preprocessing, langkah stemming berguna untuk:

• Menghitung jarak antar vektor

• Mengubah kata ke bentuk dasarnya

• Membuat query

• Mencocokkan dokumen

Fungsi dari tokenizing adalah:

• Menghitung jumlah term

• Memecah teks menjadi kata-kata

• Menghapus kata tidak penting

• Mengurutkan dokumen

Apa hasil akhir dari proses pencocokan dalam VSM?

• Kalimat terjemahan

• Daftar dokumen dengan skor relevansi

• Model klasifikasi

• Kamus term