Ambiguitas Machine Translation pada Cross Language Chatbot Bea Cukai

摘要: Sistem Information Retrieval (IR) maupun chatbot semakin banyak dikembangkan. Salah satu bagian yang diteliti adalah cross language . Masalah pada pengembangan yaitu terjadinya kesalahan hasil terjemahan mesin translasi memberikan arti tidak sesuai dengan bahasa natural, sehingga pengguna mendapatkan jawaban semestinya, bahkan jarang pula menemukan jawaban. Penelitian ini mengusulkan skema baru bertujuan meningkatkan performa dalam masalah ambiguitas. Mesin bekerja cek kebenaran kata kunci, kemudian melakukan Part-of-Speech (POS) Tagging benda ( noun ). Kemudian, setiap terdeteksi akan dicari sinonimnya. Lalu, sinonim didapatkan ditambahkan dan menjadi alternatif kueri baru. Kueri mempunyai nilai confident tertinggi diasumsikan sebagai paling sesuai. Pada setelah dilakukan uji coba, melalui penambahan metode kami usulkan machine translation, dapat akurasi dibandingkan tanpa menggunakan diusulkan. Hasil bertambah 5%, dari semula 73% 77%. retrieval and systems are increasingly being developed with its part mostly studied. However, the problem associated development is occurrence of errors in translation resulting inaccurate answers not accordance natural language, thereby providing users wrong answers. This study proposes a new scheme that aims to improve performance while translating ambiguous terms. Translation machines functions by checking correctness keywords, carrying out on nouns (noun). The synonyms any detected searched for obtained added become alternative queries. Those highest value assumed be most appropriate. results after testing, through addition method proposed can accuracy compared using scheme. increased from original