@article{Alpiani_Suyanto_2019, title={Pointer Generator dan Coverage Weighting untuk Memperbaiki Peringkasan Abstraktif}, volume={4}, url={https://socj.telkomuniversity.ac.id/ojs/index.php/indojc/article/view/341}, DOI={10.34818/INDOJC.2019.4.2.341}, abstractNote={<p>Model <em>Long Short – Term Memory</em> (LSTM) <em>sequence-to-sequence</em> telah banyak digunakan untuk menyelesaikan tantangan dalam peringkasan teks. Namun, model ini masih memiliki dua masalah utama yaitu, kemunculan kata diluar kosakata atau sering disebut <em>out-of-vocabulary</em> (OOV), dan perulangan kata. Pada makalah ini, <em>pointer generator </em>dan <em>coverage weighting </em>diterapkan untuk mengatasi dia masalah tersebut. Dimulai dengan model <em>sequence-to-sequence</em> dasar. Kemudian kami kembangkan dengan <em>attention mechanism</em> yang telah ditambahkan <em>coverage weigting</em> pada perhitungannya untuk mengurangi terjadinya perulangan kata, dan mengganti <em>encoder </em>menjadi <em>bi-directional</em> LSTM. Setelah itu kami mengimplementasikan <em>pointer generator </em>yang dapat  menunjuk kembali ke kata dalam teks sumber dan menghasilkan kata jika bertemu dengan kata OOV. Menggunakan dataset artikel berita bahasa Inggris CNN/Daily Mail dan metrik evaluasi ROUGE <em>score</em>, model kami menghasilkan hasil yang mirip dengan ringkasan teks sumber.</p&gt;}, number={2}, journal={Indonesia Journal on Computing (Indo-JC)}, author={Alpiani, Agna Silpi and Suyanto, Suyanto}, year={2019}, month={Sep.}, pages={169-176} }