Bibliografi
Pengarang
Eko Julianto Salim;
Barcode
Cat. Karya
No. Induk
Pembimbing
Adila Alfa Krisnadhi
Kata Kunci
pembangkitan komentar, esports, continued pretraining, natural language generation
Pembimbing 3
Pembimbing 2
Tahun buku
2024
Barcode RFID baru
11773432
Tahun Angkatan
2019
Progam Studi
Ilmu Komputer
Lokasi
FASILKOM-UI;
Tanggal Datang
02/04/2024
Abstrak Indonesia
ABSTRAK

Nama : Eko Julianto Salim Program Studi : Ilmu Komputer Judul : Pembimbing : Adaptasi Pretrained Language Model untuk Pembangkitan Komentar dari Data Replay Counter-Strike Adila Alfa Krisnadhi, S.Kom., M.Sc., Ph.D. Pembangkitan komentar dari data terstruktur adalah tugas yang menantang dalam bidang pembangkitan bahasa alami dengan berbagai potensi aplikasi dalam bidang olahraga dan esports. Penelitian-penelitian sebelumnya sering berfokus pada penyesuaian model data ke-teks khusus, namun eksperimen awal penulis menemukan bahwa pretrained language model menunjukkan performa yang lebih baik dalam pembangkitan komentar. Penelitian ini berfokus pada bagaimana pretrained language model dapat diadaptasi untuk meng hasilkan performa yang lebih baik pada permasalahan pembangkitan komentar menggu nakan data replay Counter-Strike. Penulis menemukan bahwa penyesuaian pretrained language model dapat meningkatkan kualitas semantik dan alami dari pembangkitan ko mentar. Namun, penulis juga menemukanbahwapeningkatankualitassemantikdanalami ini didampingi dengan penurunan pada kualitas leksikal akibat tantangan intrinsik yang ada dalam pembangkitan komentar. Kata kunci: pembangkitan komentar, esports, continued pretraining, natural language generation

Daftar Isi
Cat. Umum
Judul
Adaptasi Pretrained Language Model untuk Pembangkitan Komentar dari Data Replay
Asal
Korporasi
NPM
1906350925
Abstrak English
ABSTRACT

ABSTRACT Name : Eko Julianto Salim Study Program : Computer Science Title : Counselor : Adapting Pretrained Language Model for Commentary Genera tion from Counter-Strike Replay Data Adila Alfa Krisnadhi, S.Kom., M.Sc., Ph.D. Generating commentary from structured data poses a significant challenge in natural lan guage generation, with extensive applications in sports and esports domains. Previous research has predominantly centered on tailoring specialized data-to-text models for this task. However, our preliminary investigation indicates that pretrained language models exhibit superior performance in commentary generation. This study focuses on further adapting pretrained language models to enhance their suitability for esports commen tary generation, specifically utilizing Counter-Strike replay data. Our findings reveal that through this adaptation, pretrained language models can augment the semantic quality and naturalness of generated commentary. Nevertheless, we observed a trade-off, as the improvement in semantic quality and naturalness was accompanied by a decline in lexical quality, owing to the inherent complexities involved in commentary generation. Key words: commentary generation, esports, continued pretraining, natural language generation

Pengarang 2
Subjek
pembangkitan komentar
Penguji 2
Meganingrum Arista Jiwanggi
Penguji 3
Pembimbing 1
Fisik
xii, 57 hlm, 30 cm
Bahasa
Ind
Lulus Semester
Ganjil 2024
Penerbitan
Depok, Fasilkom UI, 2024
No. Panggil
SK-2274 (Softcopy SK-1756) Source Code-832
Penguji 1
Muhammad Hafizhuddin Hilman
Lulus semester SI
Ganjil 2024