Komparasi Ekstraksi Fitur dalam Klasifikasi Teks Multilabel Menggunakan Algoritma Machine Learning

Ektraksi fitur dan algoritma klasifikasi teks merupakan bagian penting dari pekerjaan teks, yang memiliki dampak langsung pada efek teks. Algoritma machine learning tradisional seperti Na¨ıve Bayes, Support Vector Machines, Decision Tree, K-Nearest Neighbors, Random Forest, Logistic Regression telah berhasil dalam melakukan dengan ektraksi i.e. Bag ofWord (BoW), Term Frequency-Inverse Document Frequency (TF-IDF), Documents to (Doc2Vec), Word (word2Vec). Namun, bagaimana menggunakan vektor kata untuk merepresentasikan lebih baik selalumenjadi poin sulit Natural Language Processing saat ini. Makalah ini bertujuan membandingkan kinerja ekstraksi BoW, TF-IDF, Doc2Vec Word2Vec learning. Dataset digunakan sebanyak 1000 sample berasal tribunnews.com split data 50:50, 70:30, 80:20 90:10. Hasil percobaan menunjukkan bahwa Bayes akurasi tertinggi TF-IDF sebesar 87% BoW 83%. Untuk Doc2Vec, SVM 81%. Sedangkan (i.e. Regression) model dibawah 50%. Hal menyatakan, kurang optimal bersama learning, khususnya dataset tribunnews.com.