Ukuran kemiripan Jelinek Mercer dalam temu kembali anotasi Gene Ontology menggunakan SOLR

Abstract

Saat ini web telah menjadi sumber utama untuk pencarian informasi, termasuk di bidang biodiversitas sehingga mesin pencari yang baik dibutuhkan untuk mencari informasi yang relevan. Pada saat pencarian seringkali pengguna menggunakan kueri panjang dengan kata-kata yang kurang informatif. Jika pengukuran kemiripan hanya memperhitungkan frekuensi kata di dokumen tertentu maka kebanyakan dokumen yang dikembalikan tidak relevan. Salah satu cara menangani hal ini adalah dengan menggunakan metode pengukuran kemiripan Jelinek Mercer. Metode ini mempertimbangkan sebaran kata di seluruh dokumen. Dokumen yang digunakan dalam penelitian ini adalah anotasi dalam Gene Ontology. Hasil dari penelitian ini menunjukkan nilai R-precision yang sama untuk metode tersebut dengan metode pengukuran kemiripan default yang ada pada SOLR yang merupakan pengembangan dari TF-IDF dan cosine similarity, yaitu 0.65 untuk kueri yang pendek. Nilai R-precision yang lebih tinggi didapatkan ketika menggunakan metode Jelinek Mercer pada kueri yang panjang, yaitu 0.59 untuk λ sebesar 0.7 dan 0.423 untuk λ sebesar 0.1. Sedangkan R-precision untuk metode baku dalam SOLR hanya bernilai 0.194.