Free Your Voice

Definisi

Natural language Processing adalah suatu kemampuan perkembangan teknologi dimana manusia yang bertindak sebagai pengguna komputer dapat berkomunikasi dengan komputer, contoh komunikasinya menggunakan bahasa Inggris.  Namun didalam hal ini kemampuan untuk mengerti akan makna suatu kalimat harus di mengerti juga oleh suatu mesin tersebut,seperti halnya manusia yang bercakap-cakap dengan orang lain.

Tujuan

Tujuan Natural Language adalah melakukan proses pembuatan komputasi dari bahasa. Hal ini ditujukan agar computer dan manusia saling berinteraksi dengan perantara bahasa alami. Model komputasi ini berguna untuk keperluan ilmiah ,misalnya meneliti sifat-sifat dari suatu bentuk bahasa alami maupun kehidupan sehari untuk memudahkan komunikasi manusia dengan computer.

Bidang Pengetahuan dalam Natural Language antara lain :

1.      Fonetik dan Fonologi : berhubungan dengan suara dan menghasilkan kata yang dapat dikenali manusia. Bidang ini memakai metode speech based system.

2.      Morfologi : adalah pengetahuan tentang kata dan dimanfaat kan untuk membedakan satu kata dengan kata yang lainnya. Bidang ini juga mampu untuk memisahkan kata dan elemen lain seperti tanda baca. Contoh :

Going (word)

Go (root)

Ing (suffix)

3.      Sintaksis : yaitu pemahaman urutan kata mengenai pembentukan kalimat dan hubungan antar kata sehingga terbentuklah kalimat yang sistematis. Contoh : kata S terbentuk dari noun phrase (NP) dan verb phrase(VP). Sà NP,VP.

4.      Semantik : mempelajari mengenai suatu arti kata sehingga arti kata tersebut membentuk suati arti dari kalimat yang utuh.

5.      Pragmatik : Pengetahuan pada tingkatan ini berkaitan dengan masing- masing kontek yang berbeda tergantung pada situasi dan tujuan pembuatan system.

6.      Discource Knowledge :  kemampuan untuk mengenali suatu kalimat yang sudah dibaca dan dikenali sebelumnya mempengaruhi arti dari kalimat selanjutnya.

7.      Wold Knowladge : mencakup arti sebuah kata secara umum dan apakah ada arti khusus bagi suatu kata dalam suatu percakapan dengan konteks tertentu.

Jenis pengaplikasian Natural Language Processing dapat dibuat dalam dua bidang yaitu :

1.      teks based application contoh penggunaannya dapat berupa:

•           Menerjemahkan suatu dokumen dari satu bahasa ke bahasa lain

•           Mencari isi dari surat

•           Mencari topic atau gagasan utama dari suatu bacaan

2.      Pengaplikasiaan untuk dialogue based application, diantaranya:

•           Sistem Tanya jawab, dimana natural language digunakan untuk mendapatkan suatu informasi dari database.

•           Sistem pelayanan otomati melalui telepon

•           Kontol suara pada peralatan elektronik.

Contoh

Adapun pengaplikasian NLP dalam perkembangan teknologi antara lain :

•         Email translator

Alat yang akan menjawab masalah perbedaan bahasa, karena email translator mampu menterjemahkan bahasa, seperti yang kita inginkan. Email translator akan menterjemahkan kalimat-kalimat di dalam mail box, jika email yang kita terima tidak sesuai dengan bahasa kita sehari-hari.

•         Web translator

Suatu mesin aplikasi berbasis World Wide Web yang dapat menterjemahkan bahasa dalam suatu web site. Web translator akan menterjemahkan bahasa di dalam semua link – link, per page menjadi bahasa seperti yang kita inginkan.

B.     KNOWLEDGE REPRESENTATION

Definisi

      Knowledge representation mempelajari bagaimana merepresentasikan pengetahuan ke dalam basis pengetahuan dan menguji kebenaran penalaran. Cara-cara lama : (1) List, digunakan pada LISP. (2) Predicate Calculus, digunakan pada Prolog. (3) Tree, untuk heuristic search

Karakteristik Knowledge Representation :

·         Dapat diprogramkan

·         Dapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan

Hal yang berhubungan dengan Knowledge Representation :

·         Object pengetahuan itu sendiri

·         Event: kejadian-kejadian dalam dunia nyata dan hubungannya

·         Performa: bagaimana melakukan suatu tugas tertentu

·         Meta knowledge: pengetahuan tentang pengetahuan yang direpresentasikan

Penggunaan Knowledge Representation :

·         Acuisition: mengintegrasikan informasi baru kedalam pengetahuan sistem.

•         Dua level:

o   Menyusun fakta ke dalam database

o   Pembuatan fungsi untuk mengintegrasikannya dengan cara "belajar dan mengadaptasikannya” terlebih dahulu

·         Retrieval: mengingat kembali, menyusun ulang pengetahuan berdasarkan hubungan pengetahuan terhadap masalah

•          Linking: mengekstrak informasi baru tersebut

•          Lumping: mengelompokkan hasil ekstraksi pengetahuan baru tersebut kedalam struktur yang lebih besar seperti yang dibutuhkan dalam menyelesaikan masalah

·         Reasoning: pengetahuan digunakan untuk menalar suatu permasalahan

•          Formal reasoning: menggunakan logika proporsional

•          Procedural reasoning: menggunakan aturan produksi ( IF-THEN)

•          Analogical reasoning: sangat sulit

Representasi yang baik, memiliki beberapa criteria sebagai berikut:

o        Mengemukakan hal secara eksplisit

o        Membuat masalah menjadi transparan

o        Komplit dan efisien

o        Menampilkan batasan-batasan alami yang ada

o        Menekan/menghilangkan detail-detail yang diperlukan

o        Dapat dilakukan komputasi.

Pola representasi menurut  Mylopoulos   dan   Levesque diklasifikasikan menjadi empat,diantaranya:

·         Representasi Logika

           Representasi ini menggunakan   ekspresi-ekspresi dalam   logika   formal. Representasi   logika   terdiri   dari   dua   jenis   yaitu Kalkulus proposisional   (Propositional   logic)  dan Kalkulus predikatif (Predicate logic).

Kalkulus Proposisional (Propositional Logic)

           Proposisi adalah suatu model untuk mendeklarasikan suatu fakta. Lambang-lambang kalkulus proposisional :   

Ø  Lambang pernyataan proposisional : P,Q,R,S,T,... (disebut sebagai atom-atom)

Ø  Lambang kebenaran : benar (True) , salah (False)

Ø  Lambang penghubung : ∧ (konjungsi), ∨ (disjungsi), ∼ (negasi), → (implikasi), ↔ (Bi-implikasi), ≡ (equivalen)

Kalkulus predikatif (Predicate logic).

            Kalkulus predikatif adalah satu formula yang terdiri dari suatu fungsi, formula, variable dan konstatnta. Kalkulus predikatif ini mempresentaikan hal-hal yang tidak di presentasikan pada kalkulus proporsional. Pada logika ini kita dapat menampilkan suatu fakta sebagai pernyataan yang disebut well formed formula(wff).

Fungsi nya: PREDICATE (Individual [object]1, Individual [object]2

                     Examples:

Ø  John likes Mary                             LIKES(John, Mary)

Ø  The door is open                           OPEN(door)

Ø  The tire is flat                                            FLAT(tire)

Ø  Chris is a man                                            man(Chris)

·         Representasi   Prosedural  

                  Menggambarkan pengetahuan   sebagai   sekumpulan instruksi untuk memecahkan suatu masalah.

·         Representasi   Network

                   Pengetahuan pada sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dalam masalah yang dihadapi, sedangkan lengkungan-lengkungannya menggambarkan hubungan atau   asosiasi antar mereka. Contohnya adalah jaringan semantic yaitu merupakan gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai objek.

·         Representasi Terstruktur

                  Digunakan untuk memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan  nilai-nilai tertentu.

 Contoh   :   skrip   (script),   bingkai   (frame)   dan obyek (object). 

Beberapa keuntungan dari representasi pengetahuan yaitu:

§  Dengan representasi yang baik, membuat objek dan relasi yang penting menjadi jelas

§  Representasi menyingkap constraint (batasan) dalam suatu permasalahan.

§  Dengan representasi kita akan dapatkan objek dan relasi secara bersama-sama.

Contoh

Adapun pengaplikasian dengan menggunakan Knowledge Representation :

·         Modelling advisory strategy

System ini kadang mencakup intelligent help yang membuat modeling advisory atau strategi tutorial. Dengan menyediakan system bantuan dengan tipe informasi ini memungkinkan tidak hanya memiliki advis yang sesuai untuk user tetapi juga menggunakan metode pemberian advis.