LDA-Based Topic Modeling in Labeling Blog Posts with Wikipedia Entries

Yokomoto, Daisuke; Makita, Kensaku; Suzuki, Hiroki; Koike, Daichi; Utsuro, Takehito; Yasuhide, Kawada; Fukuhara, Teruyuki

doi:10.1007/978-3-642-29426-6_15

Cited by 6 publications

(3 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Terdapat bebeberapa metode dalam topic modeling, salah satunya adalah Latent Dirichlet Allocation (LDA). LDA merupakan salah satu metode yang paling populer dalam pemodelan topik (Alghamdi & Alfalqi, 2015;Bastani et al, 2019;Garbhapu, 2020;Hidayatullah et al, 2019;Jelodar et al, 2018;Kim et al, 2022;Lyu et al, 2021;Madzík & Falát, 2022;Myat Noe Win, Sri Devi Ravana, 2022;Nurlayli & Nasichuddin, 2019;Sutherland et al, 2020;Yokomoto et al, 2012;Zoghbi et al, 2016). Gambar 1 menunjukkan alur metode penelitian pemodelan topik menggunakan LDA.…”

Section: Metode Penelitianunclassified

“…LDA merupakan salah satu metode yang paling populer dan mampu melakukan pemodelan topik dengan baik yang terbukti melalui beberapa penelitian topic modeling. Hasil penelitian yang telah dilakukan menunjukkan bahwa sepuluh klaster merupakan pengelompokan topik terbaik dan memiliki nilai koheren tinggi (0,50344). Dari sepuluh klaster topik tersebut, terdapat tiga topik teratas yang paling banyak dibahas, yakni tentang banyaknya tugas yang harus dikerjakan warganet di luar jam sekolah, warganet sudah mencapai titik kebosanan menjalani sekolah dari rumah hingga menimbulkan kemalasan, dan banyak warganet yang membicarakan bahwa mereka akan melaksanakan kegiatan PTMT dalam waktu dekat.…”

Section: Simpulanunclassified

See 1 more Smart Citation

Analisis Tren Pertemuan Tatap Muka Terbatas dari Persepsi Warganet pada Twitter Menggunakan Topic Modeling

et al. 2023

View full text Add to dashboard Cite

Salah satu dampak dari pandemi COVID-19 adalah pemberlakuan pembelajaran daring. Kegiatan pembelajaran daring banyak mengalami kendala, sehingga menyebabkan tidak tercapainya kompetensi pembelajaran dengan baik. Kemudian pemerintah memberlakukan program Pertemuan Tatap Muka Terbatas (PTMT), dan banyak tanggapan masyarakat terhadap program tersebut. Untuk mengetahui bagaimana persepsi masyarakat terhadap PTMT, kita dapat melakukan analisis terkait PTMT melalui media sosial. Karena media sosial merupakan salah satu media yang paling banyak digunakan oleh masyarakat selama pandemi untuk berkomunikasi, menyampaikan pendapat, mencari berita, dan lain-lain. Adapun analisis tren PTMT dari persepsi warganet yang dapat dilakukan adalah malalui topic modeling. Dengan mengambil data dari Twitter terkait PTMT menggunakan API (Application Programming Interface), selanjutnya memproses topic modeling dengan metode Latent Dirichlet Allocation (LDA), sebuah metode yang paling populer dan banyak digunakan pada penelitian text mining. Hasil pemodelan topik menghasilkan sepuluh klaster topik dengan nilai koheren 0,50344, dengan tiga topik yang paling banyak dibicarakan oleh warganet. Yakni tentang banyaknya tugas yang harus dikerjakan di luar jam sekolah, mereka sudah mencapai titik kebosanan menjalani sekolah dari rumah hingga menyebabkan kemalasan, dan banyak warganet yang membicarakan bahwa mereka akan melaksanakan kegiatan PTMT.

show abstract

Section: Metode Penelitianunclassified

Section: Simpulanunclassified

Analisis Tren Pertemuan Tatap Muka Terbatas dari Persepsi Warganet pada Twitter Menggunakan Topic Modeling

et al. 2023

View full text Add to dashboard Cite

show abstract

“…Many studies have used LDA to handle documents. Yokomoto et al applied an LDA-based document model to the task of labeling blog posts with the Wikipedia entries they collected [3]. Their LDA parameters depended on the distribution of keywords among all of the search results for blog posts.…”

Section: Sns Trend Analysismentioning

confidence: 99%

SNS-based issue detection and related news summarization scheme

Kim

et al. 2014

Proceedings of the 8th International Conference on Ubiquitous Information Management and Communication

View full text Add to dashboard Cite

Due to the unprecedented popularity of social network services (SNSs), such as Twitter and Facebook, means that a huge number of user documents are created and shared constantly via SNSs. Given the volume of user documents, browsing documents in a selective manner based on personal interests is a time-consuming and laborious task. Therefore, in the case of Twitter, trend keyword lists are provided for the user's convenience. However, it is still not easy to determine the details based on a few simple keywords. The keywords usually relate to the hot issues at any time so many documents will contain pertinent details, such as news on the Internet. Thus, to provide detailed information about an issue, it is necessary to identify relationships among them. In this study, we developed a SNS-based issue detection and related news summarization scheme. To evaluate the effectiveness of our scheme, we implemented a prototype system and performed various experiments. We present some of the results.

show abstract

TwitterTrends: a spatio-temporal trend detection and related keywords recommendation scheme

Kim

Hwang

et al. 2013

Multimedia Systems

View full text Add to dashboard Cite

LDA-Based Topic Modeling in Labeling Blog Posts with Wikipedia Entries

Cited by 6 publications

References 10 publications

Analisis Tren Pertemuan Tatap Muka Terbatas dari Persepsi Warganet pada Twitter Menggunakan Topic Modeling

Analisis Tren Pertemuan Tatap Muka Terbatas dari Persepsi Warganet pada Twitter Menggunakan Topic Modeling

SNS-based issue detection and related news summarization scheme

TwitterTrends: a spatio-temporal trend detection and related keywords recommendation scheme

Contact Info

Product

Resources

About