IJCISIJCIS

International Journal of Computer and Information System (IJCIS)International Journal of Computer and Information System (IJCIS)

Klasifikasi otomatis konten berita memainkan peran penting dalam mengorganisir dan menyaring data untuk berbagai aplikasi seperti sistem rekomendasi berita dan pemantauan media. Penelitian ini menyelidiki penggunaan Jaringan Saraf Rekuren (RNN) dan pemodelan berurutan untuk klasifikasi multi‑kelas data berita. Dataset berisi 12.000 kalimat berita, dikategorikan ke dalam empat kelas: politik, ekonomi, olahraga, dan teknologi, digunakan untuk pelatihan dan evaluasi. Penelitian meneliti perbandingan kinerja model RNN tanpa teknik optimasi dan RNN yang ditingkatkan melalui penerapan optimizer serta pemodelan berurutan. Model RNN dasar, dilatih tanpa optimizer atau peningkatan urutan, mencapai akurasi klasifikasi 89%. Dengan memanfaatkan fungsi optimizer dan memanfaatkan ketergantungan sekuensial dalam judul dan deskripsi berita, model yang diusulkan menunjukkan peningkatan 1%, mencapai akurasi total 90%. Temuan ini menunjukkan bahwa peningkatan kecil dalam pemodelan dependensi temporal dan optimasi dapat memberikan peningkatan terukur dalam kinerja klasifikasi multi‑kelas. Kombinasi sekuensial dari judul dan deskripsi berita terbukti menjadi strategi efektif untuk menangkap fitur kontekstual yang meningkatkan akurasi prediksi model. Penelitian ini berkontribusi pada bidang pemrosesan bahasa alami dengan menyoroti efektivitas pemodelan berurutan dan optimasi dalam sistem klasifikasi teks berbasis jaringan saraf.

Hasil penelitian menunjukkan bahwa model RNN tanpa optimizer mencapai akurasi 89%, sedangkan setelah mengintegrasikan pemodelan berurutan serta optimizer Adam akurasi meningkat menjadi 90%.Peningkatan ini disebabkan oleh kemampuan pemodelan berurutan untuk menangkap ketergantungan kontekstual antara judul dan deskripsi berita serta oleh optimizer yang meningkatkan efisiensi pembelajaran jaringan.Secara keseluruhan, kombinasi kedua teknik tersebut berkontribusi pada peningkatan performa klasifikasi multi‑kelas yang lebih baik.

Pertimbangkan untuk mengeksplorasi model hybrid yang menggabungkan RNN dengan mekanisme perhatian (attention) guna memfokuskan jaringan pada bagian judul maupun deskripsi yang paling informatif; selanjutnya, uji penerapan teknik augmentasi data teks seperti back‑translation untuk memperkaya variasi dataset dan mengatasi perimbangan kelas; akhirnya, lakukan penelitian lanjutan yang membandingkan performa model ini pada dataset berita multibahasa untuk menilai generalisasi lintas bahasa.

  1. Novel heuristic-based hybrid ResNeXt with recurrent neural network to handle multi class classification... iopscience.iop.org/article/10.1088/2632-2153/acc0d5Novel heuristic based hybrid ResNeXt with recurrent neural network to handle multi class classification iopscience iop article 10 1088 2632 2153 acc0d5
  2. Numerical‐discrete‐scheme‐incorporated recurrent neural network for tasks... ietresearch.onlinelibrary.wiley.com/doi/10.1049/cit2.12172NumericalyAAAadiscreteyAAAaschemeyAAAaincorporated recurrent neural network for tasks ietresearch onlinelibrary wiley doi 10 1049 cit2 12172
Read online
File size393.16 KB
Pages5
DMCAReport

Related /

ads-block-test