Kuis tentang Text Mining

Apa definisi utama dari Text Mining?

• Proses merancang algoritma untuk data numerik.

• Ekstraksi informasi berguna dari teks tidak terstruktur.

• Analisis visual data menggunakan grafik.

• Penyimpanan data dalam format teks.

Mengapa Text Mining penting dalam analisis data?

• Teks tidak memiliki nilai yang signifikan.

• Sebagian besar data di dunia adalah teks tidak terstruktur.

• Teks lebih mudah diolah daripada data numerik.

• Komputasi teks membutuhkan sumber daya kecil.

Langkah pertama dalam proses Text Mining adalah:

• Preprocessing.

• Pengumpulan Data.

• Transformasi Data.

• Analisis Data.

Apa tujuan dari langkah preprocessing dalam Text Mining?

• Menghapus data yang tidak relevan dan menyederhanakan teks.

• Melatih model machine learning.

• Mengubah data numerik menjadi teks.

• Meningkatkan kapasitas penyimpanan.

Representasi data teks yang paling sederhana adalah:

• TF-IDF.

• Bag of Words (BoW).

• Word Embeddings.

• Transformer.

Apa keunggulan utama Transformer dibandingkan RNN?

• Tidak bergantung pada urutan data dan lebih efisien.

• Memproses data dengan urutan yang lebih terstruktur.

• Menghasilkan representasi numerik berdasarkan frekuensi kata.

• Membutuhkan daya komputasi yang lebih rendah.

Model Transformer seperti BERT digunakan untuk:

• Mengelompokkan data numerik.

• Membuat teks otomatis.

• Memahami konteks kata dalam teks.

• Menghapus noise dalam data teks.

Algoritma yang cocok untuk klasifikasi teks adalah:

• K-Means.

• Naive Bayes.

• Principal Component Analysis (PCA).

• Apriori.

Apa metrik evaluasi yang digunakan dalam sistem pencarian informasi berbasis Transformer?

• Mean Absolute Error.

• Cosine Similarity.

• Precision@K dan Mean Average Precision (MAP).

• Root Mean Square Error (RMSE).

Tantangan utama dalam Text Mining adalah:

• Ketersediaan data teks yang terlalu sedikit.

• Dimensi tinggi dan kesulitan menangkap makna kontekstual.

• Tidak adanya algoritma yang cocok untuk analisis data teks.

• Teks lebih kompleks daripada data numerik.