Epistomologi dalam Natural Language Processing

Penulis

  • Danang Sulistyo Institut Teknologi dan Bisnis Asia, Jl. Soekarno-Hatta, Rembuksari 1A, Malang, Jawa Timur
  • Fadhli Ahda Universitas Negeri Malang, Jl. Semarang No. 5 Malang, Jawa Timur, Indonesia
  • Vivi Aida Fitria Universitas Negeri Malang, Jl. Semarang No. 5 Malang, Jawa Timur, Indonesia

DOI:

https://doi.org/10.17977/um068v1i92021p652-664

Kata Kunci:

epistomologi, nlp, natural language processing

Abstrak

How to obtain the truth about knowledge by considering the axiology and anthology aspects of knowledge is the challenge that epistemology must solve. While in scientific epistemology, the accumulation of information that is true will affect how inquiries about the universe are answered heuristically and how natural occurrences are predicted. The primary goal and aim of epistemology, a subfield of philosophy of science, is to investigate and ascertain the nature of knowledge. As such, it examines the origin, sources, and importance of validity from knowledge in addition to discussing the extent and veracity of science. The goal of NLP, a branch of artificial intelligence (AI), is to enable computers to comprehend human language. For instance, text and voice, which people frequently utilize in casual discussions. Integrating computational linguistics with predictive methods led to the development of NLP. NLP has so far done well with text and audio data. There are still others who believe that NLP is in decline, particularly when it comes to managing idioms and sarcasm in contextual data. Due to the vast number of local languages spoken worldwide, the millions of words they contain, the hundreds of regional accents, and their importance in preventing the extinction of local languages, even machine translation, which was the initial purpose of NLP, may still be investigated further.

Masalah yang harus dihadapi oleh Epistomologi adalah bagaimana mendapatkan kebenaran akan pengetahuan dengan menimbang aspek antologi dan aksiologi pada pengetahuan. Sedangkan pada epistomologi ilmiah, penyusunan kebenaran suatu pengetahuan akan berpengaruh untuk menjawab pertanyaan di dunia secara heuristis serta dalam memprediksi fenomena alam yang terjadi. Mempelajari dan menentukan hakikat dari suatu pengetahuan adalah fungsi dan tugas utama epistomologi sebagai salah satu cabang dari filsafat ilmu, maka tidak hanya berbicara tentang kebenaran ilmu pengetahuan dan ruang lingkup pengetahuan, akan tetapi secara luas epistomologi juga mempelajari tentang asal mula, sumber dan juga nilai validitas dari pengetahuan. Pemrosesan bahasa alami, atau NLP, adalah bagian dari kecerdasan buatan (AI) yang berkaitan dengan memberi komputer kemampuan untuk memahami bahasa alami manusia. Misalnya teks dan suara yang sering digunakan manusia dalam percakapan sehari-hari. NLP dibuat dengan menggabungkan linguistik komputasi dengan model statistic. Sampai saat ini NLP memiliki performa yang baik pada data teks dan audio. Namun, masih ada orang yang menilai penurunan dunia NLP, terutama dalam penanganan sarkasme dan idiom dalam data kontekstual. Bahkan terjemahan mesin yang merupakan tujuan awal NLP masih dapat dieksplorasi lebih dalam, karena ada banyak bahasa lokal di dunia, ada jutaan kata, ratusan aksen lokal, dan perannya untuk menyelamatkan Bahasa Lokal dari kepunahan.

Referensi

https://spi.uin-alauddin.ac.id/index.php/2016/10/31/apa-yang-dimaksud-dengan-epistemologi/

Johri, P., Khatri, S. K., Al-Taani, A. T., Sabharwal, M., Suvanov, S., & Kumar, A. (2021). Natural language processing: History, evolution, application, and future work. In Proceedings of 3rd International Conference on Computing Informatics and Networks: ICCIN 2020 (pp. 365-375). Springer Singapore.

Lees, R. B. (1957). Syntactic structures. 33(3):375–408. https://doi.org/10.2307/411160 JSTOR 411160

Daniel, J., & James H, M. (2007). Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. prentice hall.

Mallamma, V. R., & Hanumanthappa, M. (2014). Semantical and syntactical analysis of nlp. International Journal of Computer Science and Information Technologies, 5(3), 3236-3238.

Pustejovsky, J., & Stubbs, A. (2012). Natural Language Annotation for Machine Learning: A guide to corpus-building for applications. " O'Reilly Media, Inc.".

https://www.trivusi.web.id/2022/08/natural-language-processing.html

https://medium.com/nlplanet/two-minutes-nlp-33-important-nlp-tasks-explained-31e2caad2b1b

Withanage, P., Liyanage, T., Deeyakaduwe, N., Dias, E., & Thelijjagoda, S. (2018, December). Voice-based Road navigation system using natural language processing (nlp). In 2018 IEEE International Conference on Information and Automation for Sustainability (ICIAfS) (pp. 1-6). IEEE.

Vijayakumar, B., & Fuad, M. M. M. (2019). A new method to identify short-text authors using combinations of machine learning and natural language processing techniques. Procedia Computer Science, 159, 428-436.”

Diterbitkan

2021-09-26

Terbitan

Bagian

Articles