Topic Modeling in Conversational Dialogs for Naming Intent Labels Using LDA

Abstract

Penelitian chatbot semakin berkembang dalam beberapa tahun ini seiring dengan perkembangan teknologi Machine Learning (ML) dan Artificial Intelligent (AI). Natural Language Processing (NLP) sebagai bagian dari ML digunakan oleh chatbot terutama pada tugas Natural Language Understanding (NLU). Chatbot memanfaatkan pengklasifikasian intent untuk memahami maksud pada pesan yang dikirim pengguna. Untuk menjadikan chatbot berfungsi dengan baik sesuai dengan domainnya maka pemetaan intent pada data pelatihan model menjadi permasalahan tersendiri bagi para peneliti. Hal ini disebabkan dataset berlabel intent untuk pelatihan model chatbot dalam bahasa Indonesia masih jarang tersedia. Pada penelitian ini, penamaan intent untuk data pelatihan chatbot dapat dibuat dengan menggunakan metode Latent Dirichlet Allocation (LDA), dataset pertanyaan diambil dari log komplain salah satu distributor pulsa di Indonesia sejumlah 143.520 pesan sejak 2015 hingga 2019. Dari hasil pemodelan topik menggunakan LDA mampu memetakan 8 topik yang kemudian dapat digunakan dalam penamaan intent pada pelatihan model chatbot.