Pengelompokkan Hasil untuk Kata Kunci Pencarian pada Relational Database

Jurnal ditulis oleh :

Shuxin Yang

School of Information Engineering, Jiangxi University of Science and Technology,

Ganzhou 341000, China

Lanying Shi

School of Information Engineering,Jiangxi University of Science and Technology,

Ganzhou 341000, China

2013

Diterjemahkan oleh : Siti Kholifah

            Pencarian kata kunci pada relasional database memungkinkan pengguna untuk mendapatkan informasi dalam database secara mudah hanya dengan memasukkan kata kunci tertentu. Namun sayangnya, sistem prototipe yang ada saat ini masih menyajikan hasil dalam bentuk daftar linear. Pengguna masih harus menelusuri secara individu untuk menemukan informasi yang benar-benar dibutuhkan. Untuk mengatasi masalah ini, penelitian dilakukan dengan mengelompokkan hasil untuk kata kunci pencarian pada relational database.

            Belajar dari konsep vektor dalam fisika, penelitian ini mengusulkan model baru dalam bentuk result-tree, yang disebut karatekeristik vektor result-tree. Penelitian ini juga mengusulkan strategi pengelompokan baru berdasarkan karatekeristik vektor  result-tree. Pada awalnya, didapatkan informasi mengenai karakteristik result-tree, dan menjelaskan joint tuple tree menggunakan vektor representasi, dan kemudian mengklasifikasikan hasil pencarian sesuai dengan representasi vektor yang sesuai.

          

            Hasil penelitian dengan metode usulan ini lalu dibandingkan dengan metode-metode yang ada sebelumnya. Perbandingan dilakukan terhadap waktu yang dikonsumsi serta jumlah cluster setelah clustering untuk mengetahui efek dari pengelompokkan yang dilakukan.

Perbandingan Waktu Konsumsi

Perbandingan Efek Pengelompokkan

            Perbandingan yang dilakukan tidak hanya menunjukkan kelayakan dan rasionalitas strategi pengelompokan yang dihasilkan oleh metode penelitian ini, tetapi juga mem-verifikasi rasionalitas dari konsep vektor karakteristik result tree, karena mengintegrasikan informasi simpul (informasi konten) dan informasi tepi (informasi struktur) dari result tree. Sehingga dapat dipastikan bahwa result tree pada satu cluster memenuhi hal-hal sebagai berikut:

(1) Berisi tipe node yang sama, dan masing-masing jenis memiliki jumlah node yang sama.

(2) Mengandung jenis tepi yang sama, dan masing-masing jenis memiliki jumlah yang sama dari tepi.

(3) Berisi jumlah yang sama dan isi yang serupa dari informasi.

            Metode pengelompokan hasil untuk KSORD ini, sampai batas tertentu, dapat membantu meningkatkan hasil pencarian, membantu pengguna menavigasi dan meningkatkan efisiensi pencarian, serta memungkinkan pengguna untuk dengan cepat memahami informasi hasil dan distribusi hasil pencarian secara keseluruhan

Sumber : Yang, Shuxin & Shi, Lanying. (2013).Result Clustering for Keyword Search over Relational Database. Journal of Software, Vol 8, No.12, December 2013.