OPTIMASI ALGORITMA SIMPLIFIED LESK DENGAN SPACY UNTUK WORD SENSE DISAMBIGUATION PADA KALIMAT BAHASA INGGRIS

Word Sense Disambiguation (WSD) merupakan tantangan penting dalam pemrosesan bahasa alami yang bertujuan untuk menentukan makna yang benar dari kata yang ambigu dalam konteks kalimat. Dalam penelitian ini, kami memperkenalkan sebuah pendekatan baru dalam peningkatan akurasi WSD dalam bahasa Inggris dengan mengoptimalkan algoritma Lesk menggunakan library Spacy. Algoritma Simplified Lesk telah dikenal memiliki keterbatasan dalam pemrosesan kata-kata yang beragam dalam kalimat. Spacy merupakan library natural language processing (NLP) yang sangat powerful, terutama untuk pemrosesan bahasa Inggris. Tidak hanya fungsi-fungsi dasar seperti tokenizer, library ini juga mendukung fungsi NLP yang bergantung pada solusi berbasis machine learning seperti part-of-speech (POS) tagging, Named entity recognition (NER), dan dependency parsing. Penelitian sebelumnya berhasil menunjukkan nilai recall, precision, dan f-measure masing-masing sebesar 40%, 40%, dan 40%. Dengan memanfaatkan kemampuan Spacy, kami berhasil meningkatkan nilai recall, precision, dan f-measure masing-masing sebesar 45%, 45%, dan 45% pada sejumlah dataset uji.