Discussion of Similarity Metrics Cosine Similarity Analysis This metric is frequently used when trying to determine similarity between two documents. Since there are more words that are incommon between two documents, it i s useless to use the other methods o f calculating similarities (namely the Euclidean Distance and the Pearson Correlation Coefficient discussed earlier). As a result, the likelihood that two documents do not share the m ajority is very high (as with the Tanimoto Coefficient) and does not create a satisfactory metric for determining similarities. In this similarity metric, the attributes (or words, in the c ase of the documents) is used as a vector to find the normalized dot product of the two documents. By determining the cosine similarity, the user is effectively trying to find cosine of the angle between the two objects. For cosine s imilarities resulting in a value of 0, the documents do not share any attributes (or words) becau se the angle between the objects is 90 degrees. Expressed as a mathematical equation:
Python Implementation # Input: 2 vectors # Output: the cosine similarity # !!! Untested !!! def cosine_similarity(vector1,vector2):
# Calculate numerator of cosine similarity dot = [vector1[i] * vector2[i] for i in range(vector1)]
# Normalize the first vector
sum_vector1 = 0.0
sum_vector1 += sum_vector1 + (vector1[i]*vector1[i] for i in range(vector1)) norm_vector1 = sqrt(sum_vector1)
# Normalize the second vector sum_vector2 = 0.0 sum_vector2 += sum_vector2 + (vector2[i]*vector2[i] for i in range(vector2))
norm_vector2 = sqrt(sum_vector2)
return (dot/(norm_vector1*norm_vector2))
References The previous content is based on Chapter 2 of the following book: Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. Introduction to Data Mining. Boston: Pearson Addison W esley, 2006.
Next: Similarity Index Back to: Tanimoto Coefficient
Source : http://mines.humanoriented.com/classes/2010/fall/csci568/portfolio_exports/sphilip/cos.html
Case-based Reasoning (CBR) mengumpulkan kasus sebelumnya yang hampir sama dengan masalah yang baru dan berusaha untuk memodifikasi solusi agar sesuai dengan kasus yang baru (Aamodt dan Plaza,1994). Ide dasar dari Case-Based reasoning adalah asumsi bahwa permasalahan yang serupa mempunyai solusi serupa. Meskipun asumsi ini tidaklah selalu benar, hal ini tergantung pada banyaknya domain praktis. Case-Based Reasoning (CBR) terdiri dari atas empat langkah utama, yaitu: 1). Retrieve : yaitu mengambil kembali permasalahan yang sama. Pada langkah ini dilakukan proses pencarian atau kalkulasi dari kasus-kasus yang memiliki kesamaan. 2). Reuse : yaitu menggunakan kembali informasi dan pengetahuan dalam kasus tersebut untuk mengatasi masalah baru. Pada langkah ini dicari solusi dari kasus serupa pada kondisi sebelumnya untuk permasalahan baru. 3). Revise : yaitu meninjau kembali solusi yang diberikan. Pada langkah ini dicari solusi dari kasus serupa pada kondisi sebelumnya untuk permasalahan yang terjadi kemudian. 4). Retain : yaitu mendalami bagian dari pengalaman sebelumnya untuk digunakan dalam pemecahan masalah berikutnya.
Sri Mulyana, M.Kom 9 May 2012 Judul :
Model evaluasi pengukuran kesamaan kasus pada penalaran berbasis kasus
(Studi kasus : Penentuan jurusan di SMU) Abstrak
:
Salah satu metode penalaran dalam sistem pakar adalah penalaran berbasis kasus (Case-Based Reasoning). Pada penalaran berbasis kasus (Case-Based Reasoning), suatu basis kasus berisi kasus-kasus dengan solusi yang telah dicapai. Untuk menemukan solusi dari sebuah kasus baru yang diberikan, sistem akan mencari kasus-kasus dalam basis kasus yang memiliki tingkat kesamaan yang paling tinggi. Salah satu metode untuk menghitung tingkat kesamaan kasus adalah jarak euclid. Sebuah evaluasi terhadap perhitungan kesamaan kasus merupakan hal yang penting dalam penalaran berbasis kasus (CBR). Pada penelitian ini a kan dikembangkan sebuah model perhitungan tingkat kesamaan kasus dengan jarak euclid dimana atribut dari kasusnya berupa simbol, nilai numerik dan nilai interval. Studi kasus akan diambil dari kasus-kasus penentuan jurusan di SMU.
Latar Belakang
:
Case-Based Reasoning (CBR) telah menjadi teknik yang sukses untuk sistem berbasis pengetahuan dalam banyak domain. Case-Based Reasoning (CBR) berarti menggunakan pengalaman sebelumnya dalam kasus yang mirip untuk memahami dan memecahkan permasalahan baru. Case-based Reasoning (CBR) mengumpulkan kasus sebelumnya yang hampir sama dengan masalah yang baru dan berusaha untuk memodifikasi solusi agar sesuai dengan kasus yang baru (Aamodt dan Plaza,1994). Ide dasar dari Case-Based reasoning adalah asumsi bahwa permasalahan yang serupa mempunyai solusi serupa. Meskipun asumsi ini tidaklah selalu benar, hal ini tergantung pada banyaknya domain praktis. Case-Based Reasoning (CBR) terdiri dari atas empat langkah utama, yaitu: 1). Retrieve : yaitu mengambil kembali permasalahan yang sama. Pada langkah ini dilakukan proses pencarian atau kalkulasi dari kasus-kasus yang memiliki kesamaan. 2). Reuse : yaitu menggunakan kembali informasi dan pengetahuan dalam kasus tersebut untuk mengatasi masalah baru. Pada langkah ini dicari solusi dari kasus serupa pada kondisi sebelumnya untuk permasalahan baru. 3). Revise : yaitu meninjau kembali solusi yang diberikan. Pada langkah ini dicari solusi dari kasus serupa pada kondisi sebelumnya untuk permasalahan yang terjadi kemudian. 4). Retain : yaitu mendalami bagian dari pengalaman sebelumnya untuk digunakan dalam pemecahan masalah berikutnya. Hubungan antara langkah-langkah tersebut dapat disajikan pada gambar-1 berikut :
Gambar-1: Siklus Case-based Reasoning (Aamodt dan Plaza,1994)
Salah satu tahapan terpenting dalam proses penyelesaian masalah adalah proses pengambilan kasus (case retrieval) dan telah banyak peneliti yang fokus pada tahapan ini. Dalam proses retrieval, kesamaan antar kasus menjadi dasar dalam pengambilan kasus di dalam basis kasus. Semakin besar tingkat kesamaan yang dimiliki oleh suatu kasus di dalam basis kasus dengan kasus yang baru, memungkinkan solusi pada kasus tersebut dapat digunakan untuk menyelesaikan masalah pada kasus yang baru. Tingkat kesamaan kasus ini sangat mempengaruhi kinerja sistem CBR, karena solusi-solusi pada kasus sebelumnya dapat digunakan sebagai acuan dalam pembelajaran dan penyelesaian masalah yang baru. Banyak peneliti yang telah menggunakan berbagai algoritma dalam retrieval kasus. Ketika terdapat banyak kasus di dalam basis kasus dengan atribut yang berbeda-beda, tentunya akan menyulitkan suatu sistem retrieval dalam menemukan kasus yang sesuai. Masalah pengukuran tingkat kesamaan kasus adalah seperti mencari kesamaan atau perbedaan diantara dua buah objek, dan telah menjadi salah satu perhatian dalam sistem CBR. Pengambilan kasus yang serupa yang memiliki kesamaan dengan kasus yang baru merupakan langkah penting dari keseluruhan proses pengambilan keputusan (Leake, 1996). Dalam proses ini dua obyek diukur nilai kesamaannya menggunakan parameter yang telah ditentukan, sehingga akan diperoleh nilai kesamaan antara dua objek tersebut. Namun seringkali pengukuran kesamaan antar dua objek tersebut memerlukan hitungan yang kompleks, sehingga kesamaan antara dua objek tersebut dapat memberikan manfaat terhadap proses penyelesaian masalah secara keseluruhan. Masalah yang lain adalah bagaimana menentukan fitur-fitur dari suatu kasus untuk dapat dibandingkan. Menentukan fitur-fitur tersebut sering kali memang sangat sulit. Penjelasan tentang deskripsi dari sebuah kasus sering kali kurang sempurna, sehingga fitur-fitur pembanding yang didapatkan juga kurang dapat membantu untuk menemukan kesamaan antara dua kasus yang dibandingkan. Selain itu, masukan deskripsi masalah tidak cukup untuk menentukan kesamaan situasi kasus lama dan kasus baru (Leake, 1996). Banyak pendekatan yang dapat digunakan dalam memetakan kesamaan antara dua objek. Misalya dua kasus yang direpresentasikan sebagai vektor dengan menetapkan pasangan atribut kasus tersebut. Kesamaan dari sepasang atribut tersebut biasanya disebut dengan bobot ratarata. Dengan bobot tersebut memungkinkan atribut-atribut dapat memiliki berbagai tingkat kepentingan yang nantinya dapat digunakan dalam proses pembelajaran adaptif. Pendekatan dalam retrieval berdasarkan fitur permukaan, kesamaan setiap kasus dengan masalah target biasanya direpresentasikan sebagai bilangan real dalam (0,1), dihitung menurut
ukuran kesamaan yang diberikan. Biasanya kasus yang diambil adalah kasus yang paling mirip dengan masalah target. Pendekatan seperti ini sering disebut dengan pendekatan K-Nearest Neigbours (K-NN) atau kasus tetangga terdekat. Sistem CBR dapat menjamin bahwa pengambilan kasus yang paling mirip dengan masalah target adalah dengan menghitung kesamaan masalah target untuk setiap kasus di dalam memori (Mantaras dkk, 2006).
