Alias clustering
Kelompokkan nama-nama berbeda yang merujuk ke tokoh yang sama.
Apa yang dilakukan
Nama-nama yang ditemukan oleh identifikasi tokoh dibandingkan satu sama lain. Nama yang cukup mirip digabung menjadi satu kelompok tokoh, misalnya I Kancil dan Kancil. Hasilnya menampilkan setiap kelompok beserta sebutannya dan jumlah kemunculannya.
Cara kerja
Pengelompokan ini berbasis aturan, sehingga tidak butuh data latih. Metode kemiripan string mengukur seberapa mirip dua nama, dan nama yang kemiripannya mencapai ambang masuk ke kelompok yang sama.
Bawaannya adalah Jaro distance dengan ambang 0,85, pengaturan terbaik untuk SatuaNER di tesis (F1 0,7172, Tabel 4.36 dan 4.37). Mode Peneliti menyediakan kelima metode dan memungkinkan Anda mengubah ambangnya.
| Metode | F1 dengan SatuaNER (Tabel 4.37) |
|---|---|
| Jaro distance bawaan | 0,7172 |
| Sørensen–Dice | 0,7159 |
| Jaro–Winkler | 0,7097 |
| Ratcliff/Obershelp | 0,7076 |
| Jaccard | 0,7026 |
Yang perlu diperhatikan
Nama berakhiran, seperti Kakua dan Kakuane, bisa masuk ke kelompok berbeda, dan sebutan umum seperti pekak bisa membentuk kelompok sendiri. Periksa kelompoknya sebelum menarik kesimpulan.