Sistem Temu-Kembali Informasi (STKI)

Sistem Temu-Kembali Informasi (STKI), Tahun Akademik 2015/2016 Semester Gasal (I)

Kuliah Perdana: Kamis, 03 September 2015, Jam 07.00, Ruang F-404
Jadwal Rutin: Setiap Kamis, 07.20 – 09.30 (C) dan 09.30 – 11.40 (D)
Laboratorium: Mandiri atau sesuai kebutuhan

Tujuan Perkuliahan:

Temu-Kembali Informasi merupakan terjemahan dari Information Retrieval (IR). Tujuan pertama dari kuliah ini adalah untuk menyajikan dasar-dasar ilmiah dari bidang Information Retrieval. Kita akan menitik-beratkan pada konsep dasar temu-kembali informasi, serta beberapa teknik information filtering (penyaringan informasi).

World Wide Web (WWW) telah menjadi sumber utama informasi bagi aktifitas kerja dan pengisi waktu. Kandungan raksasanya akan terbuang (menyampah) jika informasi tersebut tidak dapat ditemukan (kembali), dianalisis dan dimanfaatkan sehingga setiap pengguna dapat dengan cepat menemukan informasi yang relevan dan komprehensif bagi kebutuhannya. Lebih lanjut, web sekarang merupakan penggerak terdepan (principal driver) dari sejumlah inovasi dan teknik baru yang telah diperkenalkan untuk menjinakkan dan memanfaatkan kandungan web tersebut. Teknik-teknik personalisasi dan penyaringan informasi, seperti Recommender systems, semakin luas digunakan, terutama pada situs web eCommerce, untuk memudahkan pencarian informasi dan proses-proses penemuan, dan meningkatkan kesetiaan pelanggan dan kecepatan perubahan.

Karena itu, tujuan kedua dari kuliah ini adalah untuk mengenalkan kepada mahasiswa beragam teknik/pendekatan/tool pencarian informasi yang dapat dieksploitasi dalam rancangan dan implementasi situs web khusus seperti aplikasi eCommerce atau eGovernment, pariwisata, portal berita, pencarian orang dan naskah ilmiah.

Garis besar topik yang dipelajari:

Konsep dasar temu-kembali informasi
Temu-kembali Boolean
Pembuatan inverted index (Indexing)
Model ruang vektor (Vector space)
Klasifikasi teks dan ruang vector
Evaluasi dalam temu-kembali informasi
Pencarian web dan web crawler (Tentatif)
Sistem pe-rekomendasi (Recommender)

Referensi Utama:

Buku (wajib) mengenai konsep dasar dan teknik utama dalam temu-kembali informasi:

Sedangkan buku yang khusus membahas tentang sistem perekomendasi (recommender systems) adalah:

    Ricci, F.; Rokach, L.; Shapira, B.; Kantor, P.B. (Eds.), Recommender Systems Handbook. 1st Edition., 2011, 845 p. 20 illus., Hardcover, ISBN: 978-0-387-85819-7 (Edisi terbaru dalam proses penerbitan tahun 2015 ini)

Koleksi paper tentang personalisasi web dengan pendekatan adaptif dapat dibaca pada buku:

Semua bahan bacaan yang diperlukan akan disediakan selama perkuliahan dan tersedia hanya dalam format elektronik (terutama PDF). Salinan dari slide diusahakan tersedia paling lambat sehari sebelum pelaksanaan kuliah sehingga dapat dibaca dan ditela’ah sebelum didiskusikan di kelas.

Rencana Perkuliahan dan Topik yang didiskusikan:

Pertemuan 01: Pengantar Perkuliahan: Silabus, Penilaian, Tugas-tugas, Proyek, Contoh Search Engine, Information Retrieval dan Recommender System.

Pertemuan 02: Garis Besar Temu-Kembali Informasi dan Sistem Perekomendasi.

Bahan Bacaan

    Resnick, P. and Varian, H. R. (1997). Recommender systems. Communications of the ACM,40(3): 56-8.
    Carol Collier Kuhlthau: Information Search Process

Pertemuan 03: Temu-Kembali Boolean.

Bahan Bacaan: IIR Bab 1 (semua), Bab 2 (sub-bab 2.3) dan Bab 3 (sub-bab 3.1)

Pertemuan 04: Kamus dan Temu-Kembali Toleran.

Bahan Bacaan: IIR Bab 2 (sub-bab: 2.1, 2.2, 2.4) dan Bab 3 (sub-bab 3.2, 3.3)

Pertemuan 05: Konstruksi Index.

Bahan Bacaan: IIR Bab 4.

Pertemuan 06: Penskoran, Pembobotan Term dan Perhitungan Kemiripan dalam Model Ruang Vektor. Contoh perhitungan yang telah dibahas di kelas

Bahan Bacaan: IIR sub-bab 6.2, 6.3 dan 6.4 (tidak termasuk 6.4.4), Ilustrasi Preprocessing & Searching (perhitungan kemiripan) dalam Informatiomn Retrieval (manual), Contoh perhitungan kemiripan menggunakan cosine similaity (dapat menggunakan Excel).

Soal Latihan: Perhitungan Kemiripan Antara Query dan Daftar Dokumen menggunakan Cosine Similarity dalam Model Ruang Vektor.

——————————————————————————
UJIAN TENGAH SEMESTER
Soal UTS dapat didownload pada
File ini.
——————————————————————————

Pertemuan 07, 05 Nopember 2015: Presentasi Proposal Proyek + Referensi dari paper terbaru🙂

Presentasi maks. 15 menit per-kelompok, harus tepat 3 slide.

Teknologi Web Search + Web Crawler: Bahan Bacaan: Buku IIR, Bab 19 dan 20.

Pertemuan 08, 12 Nopember 2015: Perankingan Pada Sistem Pencarian Lengkap (Ril). (Lanjutan dari perhitungan kemiripan, slide pertemuan sebelumnya).

Bahan Bacaan: Buku IIR Bab 7.

Pertemuan 09, 19 Nopember 2015: Evaluasi Sistem IR: Bahan Bacaan: IIR Bab 8.

Pertemuan 10, 26 Nopember 2015: Klasifikasi Teks pada Model Ruang Vektor: Bahan Bacaan: Buku IIR Bab 14

Pertemuan 11, 03 Desember 2015: ::::: DITIADAKAN :::::

Pembahasan mengenai Klasifikasi Teks dengan Naive Bayes akan didiskusikan pada pertemuan tanggal 10 Desember 2015.

Bahan Bacaan: Buku IIR Bab 13

Pertemuan 12 dan 13: Recommender System (Collaborative Filtering & Item-based Similarity).

Bahan Bacaan:
J. Ben Schafer, Dan Frankowski, Jonathan L. Herlocker, Shilad Sen: Collaborative Filtering Recommender Systems. The Adaptive Web 2007: 291-324
Christian Desrosiers, George Karypis: A Comprehensive Survey ofNeighborhood-based Recommendation Methods. Recommender Systems Handbook 2011: 107-144
Reading material: Sarwar, B. M., Karypis, G., Konstan, J. A., and Riedl, J. (2000). Analysis of recommendation algorithms for e-commerce. In ACM Conference on Electronic Commerce, pages 158-167.
Sarwar, Karypis, G., Konstan, J., and Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. In Proceedings of WWW10 Conference, pages 285-295, Hong Kong. ACM.
Koren, Y.; Bell, R.; Volinsky, C. (2009). Matrix Factorization Techniques for Recommender Systems. IEEE Computer, Volume 42, Issue 8, p.30-37
Robin Burke. Hybrid web recommender systems. In The Adaptive Web, page 377-408. Springer Berlin / Heidelberg, 2007.
Michael J. Pazzani and Daniel Billsus. Content-based recommendation systems. In The Adaptive Web, page 325-341. Springer Berlin / Heidelberg, 2007.
G. Adomavicius and A. Tuzhilin. Context-Aware Recommender Systems. In Recommender Systems Handbook, 217–256. Springer Verlag, 2011.
Judith Masthoff. Group Recommender Systems: Combining Individual Models. In Recommender Systems Handbook, 677–702. Springer Verlag, 2011.

Pertemuan 14: Presentasi Proyek (kelompok)

Presentasi maks. 20 menit per-kelompok
Persentase: 40%

—————————————————————————–
UJIAN AKHIR SEMESTER
Technical Report Metode dalam IR

Cari dan download setidaknya 10 paper (in English, terbit tahun 2014-2015) dari salah satu topik: Web Search Engine, [Social network] Recommender System, [Social] Web Retrieval, Web Personalization atau Web page Classification/Clustering.

Baca sekilas dan ambil 3 paper terbaik untuk topik terpilih.

Buat tulisan (dalam Bahasa) dengan merujuk 3 paper tersebut:. docx, A4, 10 halaman, Times New Roman 12, 1 spasi. Format: Judul, Penulis, Abstrak, Latar belakang, Metode/Teknik, Hasil Perbandingan (disertai tabel), Kesimpulan, Referensi dan Pernyataan keaslian tulisan.

Kirimkan tulisan (.docx) ke husni@trunojoyo.ac.id, Subyek: STKI_NRP_Judul_tulisan. Deadline: 31 Desember 2015 23:59:59.

Buat poster (1 halaman A4, berwarna, bergambar) berdasarkan tulisan tersebut. Presentasikan. Kumpulkan. Deadline: Jadwal UAS.

——————————————————————————

%d bloggers like this: