Ekstraksi Ciri Produktivitas Dinamis untuk Prediksi Topik Pakar dengan Model Discrete Choice

Abstract

Rekomendasi pakar yang aktif atau produktif dapat mendukung kelancaran kolaborasi penelitian. Kegiatan publikasi dan sitasi menjadi indikasi produktivitas seorang pakar. Konfirmasi ketertarikan pakar akan suatu subjek terlihat dengan produktivitasnya di topik tersebut. Dikarenakan fokus riset pakar dapat berubah, kontribusi pada makalah ini adalah model Discrete Choice (Discrete Choice Model, DCM) untuk prediksi topik pakar yang dianggap utama berdasarkan produktivitasnya. DCM menggunakan ciri hasil ekstraksi data bibliografi, yaitu relasi sitasi dan teks judul serta intisari dari artikel milik pakar. Sebelum proses ekstraksi ciri produktivitas dan ciri dinamis untuk representasi perubahan fokus riset dari tiap pakar, pengklasteran teks judul dengan KMeans++ dilakukan untuk identifikasi topik riset. Ada enam jenis ciri produktivitas dan lima kriteria dinamis pada tiap ciri untuk merepresentasikan perilaku pakar terhadap fokus risetnya, sehingga untuk setiap topik hasil pengklasteran akan direpresentasikan sebagai suatu pilihan bidang riset dari seorang pakar dengan 30 ciri hasil ekstraksi. Uji coba yang dilakukan menggunakan pendekatan regresi logistik multinomial untuk DCM dan log-likelihood sebagai indikator pengujian model dari ciri. DCM yang dihasilkan menunjukkan perilaku pakar terkait produktivitas dengan aktif publikasi dan banyak menerima sitasi memberikan nilai presisi pada proses prediksi topik sebesar 80%. Beberapa kombinasi ciri memberikan hasil prediksi yang lebih baik. Hal tersebut terlihat dengan nilai presisi yang lebih rendah, yaitu 60%, jika prediksi topik dilakukan dengan model dari ciri terkait banyak publikasi saja atau banyak sitasi saja.