Paris Hilton Problem: Masih jadi masalah?
Bagi manusia, membedakan Paris Hilton (selebriti seksi yang video seksnya sempat beredar di internet) dan hotel Hilton, Paris dalam sebuah tulisan sangatlah mudah, tapi apakah program komputer sudah bisa membedakannya?
Walaupun masih jauh jika dibandingkan dengan kemampuan manusia, saat ini program komputer sudah mulai bisa melakukannya. Berikut adalah contoh pengembangan teknologi yang berhasil dilakukan oleh Ardwort.
Dalam contoh di atas, kata Barcelona (yang juga ditulis dalam artikel itu sebagai Barca dan Los Cules) berhasil diidentifikasi sebagai sebuah klub sepak bola (yang memiliki nama lengkap Futbol Club Barcelona) dan bukan kota Barcelona di Spanyol (walaupun pada kenyataannya klub yang dimaksud berbasis di kota itu).
Pekerjaan pengenalan entitas bernama (named entity recognition) yang merupakan bagian dari domain IE (information extraction) memang bukanlah hal yang sederhana. Keterbatasan kapasitas komputer dalam memproses data adalah hal yang sering dihadapi di Ardwort. Hal lain yang menyulitkan adalah minimnya sumber data. Banyak data yang digunakan dalam proses pembelajaran adalah dalam bahasa asing. Namun walaupun demikian, metode co-training berhasil dilakukan sehingga memungkinkan untuk memangkas waktu pembelajaran.
Proses pengenalan entitas ini tidak selamanya berlangsung mulus, masalah yang umum ditemukan adalah ketika menemui kata dan frasa yang ambigu (memiliki dua makna). Sebagai contoh, kata Hayam Wuruk dan Gajah Mada adalah nama-nama orang (raja dan petinggi militer terkenal dari kerajaan Majapahit) yang sering juga digunakan sebagai nama jalan (hampir semua kota besar di Indonesia biasanya memiliki jalan yang diberi nama Hayam Wuruk atau Gajah Mada, kecuali di Bandung). Untuk menyelesaikan permasalahan tersebut, biasanya seorang manusia akan menggunakan konteks (dalam sebuah kalimat atau bahasan bertema), hal yang sama juga berhasil direplikasikan menjadi program komputer. Sehingga pada contoh berikut, berhasil diidentifikasi Suzuki sebagai sebuah perusahaan (organisasi) dan sebagai nama produk.
Lalu apa gunanya ini semua?
Dalam domain Information Extraction, kemampuan mengenali entitas bernama akan meningkatkan pemahaman terhadap konteks. Contoh nyata, IBM Watson, Google Knowledge Graph, Facebook Graph Search, dll. Tidak hanya itu, teknologi ini juga dapat digunakan dalam bidang medis (mengenali entitas kedokteran, mengolah hasil penelitian laboratorium secara otomatis, dll.) dan juga bidang rekayasa (engineering) lainnya.
Ketersediaan teknologi ini
Sabar, ya. Nikmati saja libur Lebaran dahulu.
