Penjanaan ringkasan isi utama berita bahasa Melayu berdasarkan ciri kata

Abstract

Teknik ringkasan isi utama merupakan satu proses penyulingan maklumat penting daripada wacana untuk menghasilkan satu ayat tunggal yang mewakili isi utama penulisan. Dalam konteks wacana Bahasa Melayu, kajian bidang ini terlalu sedikit dan tertumpu kepada kaedah penterjemahan mesin. Kajian ini dibahagikan kepada tiga fasa iaitu analisis korpus wacana berita, pembangunan teknik ringkasan isi utama dan penilaian kualiti hasil ringkasan. Kajian bertujuan untuk membangunkan teknik ringkasan isi utama dengan menggabungkan kaedah statistik dan linguistik. Kaedah statistik digunakan untuk menentukan kata signifikan dan ayat terpenting berdasarkan konsep pemberat. Kaedah linguistik pula digunakan untuk meningkatkan ketepatannya. Korpus wacana berita Bahasa Melayu terdiri daripada 140 wacana berita berserta ringkasan rujukan tunggal. Hasil analisis korpus wacana berita mendapati isi utama penulisan berita dapat ditentukan berdasarkan empat ciri iaitu lokasi kedudukan kata dalam ayat, kedudukan dua ayat pertama wacana berita, kata berjenis akronim dan kata mewakili nama individu. Kata signifikan dengan isi utama penulisan teks ditentukan berdasarkan nilai pemberat kata. Nilai ditentukan dengan menggabungkan nilai frekuensi kata dalam dokumen dan kedudukan kata dalam ayat. Dua ayat pertama dalam dokumen berita Bahasa Melayu dikenalpasti sebagai calon ayat terbaik bagi pengecaman ayat terpenting. Hasil penilaian menunjukkan peratus min ketepatan pengecaman ayat terpenting adalah 82.9% dan min kualiti ringkasan isi utama yang dijanakan masing-masing ialah kejituan (0.3194), dapatan semula (0.5656), skor-F (0.4012), ROUGE-N (0.5656), ROUGE-L (0.3392), ROUGE-W (0.1186) dan ROUGE-S (0.1232). Kesimpulannya pertimbangan faktor bahasa dalam pembangunan teknik ringkasan isi utama mampu menghasilkan ringkasan yang berkualiti daripada aspek bahasa dan darjah ketepatan yang lebih baik.