ScholarGate
Asisten
Process / pipeline

Kesamaan Semantik — Mengukur Makna Antar Teks

Analisis kesamaan semantik mengukur seberapa dekat makna dua teks, bukan seberapa banyak kata yang mereka bagi di permukaan. Berlandaskan pada karya Sentence-BERT dari Reimers dan Gurevych (2019), metode ini merepresentasikan setiap teks sebagai vektor dan membandingkan vektor-vektor tersebut sehingga parafrasa mendapatkan skor tinggi meskipun susunan katanya berbeda.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP. link
  2. Agirre, E. et al. (2013). *SEM 2013 shared task: Semantic Textual Similarity. ACL (*SEM). link

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). Semantic Similarity Analysis. ScholarGate. https://scholargate.app/id/text-mining/semantic-similarity

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Dirujuk oleh

ScholarGateSemantic Similarity (Semantic Similarity Analysis). Diakses 2026-06-15 dari https://scholargate.app/id/text-mining/semantic-similarity · Set data: https://doi.org/10.5281/zenodo.20539026