Penambangan Data dan Analisis Jaringan Sosial untuk Mengintegrasikan Web Semantik dan Web 2.0
Oleh: Ariel Alfaro*
BOGOR-KITA.com, BOGOR – Salam sehat semuanya. Hari ini saya ingin berbagi hal yang sangat bagus untuk kita ketahui. Hal tersebut saya ambil dari jurnal yang dibuat oleh Bettina Berendt, Andreas Hotho, Gerd Stumme dengan judul “hal Bridging the Gap—Data Mining and Social Network Analysis for Integrating Semantic Web and Web 2.0 atau Penambangan Data dan Analisis Jaringan Sosial untuk Mengintegrasikan Web Semantik dan Web2.0.
Dalam beberapa tahun belakangan ini big data merupakan istilah yang digunakan untuk gudang data yang sangat besar atau kompleks sehingga aplikasi pemrosesan memadai untuk mengatasinya. Tantangannya meliputi analisis, pengambilan, pencarian, berbagi, penyimpanan, transfer, visualisasi, kueri, dan pembaruan serta privasi informasi.
Serta dalam Data Mining merupakan bagian dari sebuah big data mengalami perkembangan pesat suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar. Proses data mining seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence fungsi data mining yang lainnya yaitu characterization, discrimination, association, classification, clustering, outlier and trend analysis.
Text mining memiliki definisi menambang data yang berupa teks dimana sumber data biasanya didapatkan dari dokumen, dan tujuannya adalah mencari kata-kata yang dapat mewakili isi dari dokumen sehingga dapat dilakukan analisa keterhubungan antar dokumen
Penggunaan Internet semakin pesat hampir semua penduduk dunia mengakses namanya layanan internet dalam kehidupan sehari-hari untuk mencari berbagai sebuah informasi . Penelitian sangat menarik membahas kolaborasi suatu hal Bridging the Gap—Data Mining and Social Network Analysis for Integrating Semantic Web and Web 2.0 atau Penambangan Data dan Analisis Jaringan Sosial untuk Mengintegrasikan Web Semantik dan Web2.0. pengguna yang sangat populer seperti Blog, sistem penandaan sosial, dan Wiki telah dikenal sebagai “Web 2.0”
Situs-situs ini tidak hanya menyediakan data, tetapi juga menghasilkan banyak metadata dengan struktur yang lemah. Dan sekarang data tersedia yang memungkinkan untuk menganalisis penggunaan, penerimaan, dan evolusi.
Metadata semacam itu mudah dibuat, tetapi tidak memiliki landasan formal apa pun, seperti yang digunakan di Web Semantik. Pada penelitian ini untuk teknik menganalisis struktur jaringan atau representasi pengetahuan yang lemah, seperti yang ditemukan di Web 2.0, memiliki tradisi panjang di berbagai disiplin ilmu lain, seperti analisis jaringan sosial, pembelajaran mesin, dan penambangan data. Diperlukan untuk mengekstrak informasi tersembunyi dan mengungkapkan struktur sedemikian rupa sehingga pengguna akhir dapat memperoleh manfaat untuk mewakili pengetahuan yang diperoleh dari data tidak terstruktur dan juga akan bermanfaat bagi Web 2.0 karena pengguna Web 2.0 fitur Web Semantik yang disempurnakan untuk menyusun data mereka menganalisis struktur jaringan atau representasi pengetahuan yang lemah, seperti yang ditemukan di Web 2.0. Data tersebut kemudian digunakan untuk seperti analisis jaringan sosial, pembelajaran mesin, dan penambangan data. bagaimana sinergi antara teknik Semantic Web dan Web 2.0. Menggunakan text mining pada tahap ini adalah tahap untuk melakukan analisis semantic dan sintaktik terhadap teks. Pada proses ini memiliki tujuan ada mempersiapkan teks agar dapat dijadikan pengelohan tahap selanjutnya
Pada struktur data seperti jaringan, metode analisis dari berbagai bidang penelitian dapat membentuk tautan antara komunitas dan mendorong pengiriman yang menunjukkan tautan potensial. Menjalani proses peninjauan tiga langkah yang ketat, tiga kontribusi dipilih yang menunjukkan hubungan yang disebutkan di atas antara Web Sosial dan Semantik dengan cara yang sangat baik Web. Pemanfaatan atau aplikasi yang dipelajari secara rinci terdiri dari keseluruhan Web Sosial, Web Semantik, dan bahkan aplikasi yang melampaui.
Teknik yang dapat gunakan juga saling melengkapi, berasal dari pembelajaran mesin, penambangan data atau teks mining dan analisis bahasa alami, dan analisis jejaring sosial. Pendekatan solusinya adalah mengembangkan metode untuk merekomendasikan tag kepada pembuat konten yang kemungkinan besar akan digunakan dalam pencarian. Dengan adanya data mining data masukan adalah jenis data Web 2.0 yang semakin relevan Aspek semantik yang diekstraksi dari data ini adalah karakteristik penggunaan (tema) dan opini (suasana hati) dari item beranotasi penggunaan dan opini menjadi apa yang cenderung dicari orang dalam data tersebut. Misalnya, pencurian identitas dapat terjadi membuat informasi di Web tanpa sepengetahuan. Perangkat lunak yang memantau informasi apa yang terkandung dalam Web (2.0) secara keseluruhan tentang seseorang yang dapat digunakan untuk mengatasi risiko itu (serta tujuan lainnya) teknik pembelajaran mesin yang kedua menggunakan teknik RandomWalks berbasis grafik. Semantik data mendukung fungsi intrinsik dari teknik ini.
Rowe dan Ciravegna mengevaluasi pendekatan mereka dengan membandingkan teknik biguation dengan beberapa ukuran dasar termasuk pemrosesan manusia dan kedua teknik mereka mengungguli beberapa ukuran garis dasar. pembelajaran mesin dan teknik analisis jaringan sosial akan mengarah pada jenis pengetahuan baru. Kami membayangkan bahwa penelitian di bidang ini akan semakin menarik, karena ekstraksi otomatis pengetahuan dari sumber yang terstruktur lemah yang disumbangkan oleh sejumlah besar pengguna dan kombinasi dengan pengetahuan terstruktur akan menjadi dasar penting untuk Web Semantik.
Sumber: Bettina Berendt, Andreas Hotho, Gerd Stumme. (2010). Bridging the Gap—Data Mining and Social Network Analysis for Integrating Semantic Web and Web 2.0. Journal of Web Semantics, 8 (2)95–96.
*Penulis merupakan seorang mahasiswa pascasarjana
