Ukuran Kemiripan Gene Ontology Annotation Berbasis Language Model Dirichlet Similarity Menggunakan Solr

Abstract

Informasi mengenai keanekaragaman hayati khususnya gen tumbuhan banyak ditemukan dari buku-buku terkait ataupun dari internet. Tetapi informasi ini sangatlah besar dan memiliki format yang berbeda-beda. Biodiversity Informatics dapat menutupi kekurangan ini dengan menggunakan struktur ontologi sebagai representasi pengetahuannya. Gene Ontology (GO) merupakan ontologi yang menyediakan informasi mengenai gen. Dalam penelitian ini digunakan sebuah mesin pencari Apache Solr untuk mencari data dengan skala besar seperti GO. Urutan ranking dokumen yang dikembalikan ditentukan dengan melihat kemiripan language model dengan dokumen yang telah dilakukan smoothing dengan metode Dirichlet Smoothing. Pengaruh salah satu parameter Dirichlet, panjang dokumen, terhadap estimasi peluang tidak terlalu besar. Tingkat relevansi sistem berdasarkan nilai MAP dan R-precision sudah cukup relevan. Hasil penelitian menunjukkan bahwa semakin besar panjang dokumennya maka akan semakin kecil pengaruh Dirichlet prior terhadap estimasi peluang.