wfphpnlp/naivebayesclassifier

PHP library for Indonesian text classification using the Naive Bayes Classifier (NBC) approach.

1.2.0 2020-07-08 14:08 UTC

Requires (Dev)

• phpunit/phpunit: ^5.0

MIT

• WillyFaq

• bahasa indonesia
• naivebayes
• naive bayes
• php naive bayes
• klasifikasi teks
• klasifikasi naive bayes
• NaiveBayesClassifier
• Naive Bayes Classifier
• php NaiveBayesClassifier
• php Naive Bayes Classifier
• php NaiveBayes

README

Library PHP untuk klasifikasi teks menjadi klasifikasi positif, negatif dan netral pada Bahasa Indonesia menggunakan metode Naive Bayes Classifier.

Cara Install

Via Composer

composer require wfphpnlp/naivebayesclassifier

Jika Anda masih belum memahami bagaimana cara menggunakan Composer, silahkan baca Getting Started with Composer.

Clone GitHub

git clone https://github.com/WillyFaq/Naive-Bayes-Classifier.git

Cara Penggunaan

jika menggunakan composer inisiasikan projek anda dengan vendor/autoload.php

require_once __DIR__ . '/vendor/autoload.php';
use wfphpnlp\NaiveBayes;

Berikut contoh lengkap penggunaan.

<?php
    // include composer autoloader
    require_once __DIR__ . '/vendor/autoload.php';
    use wfphpnlp\NaiveBayes;

    $data = [
                [
                    'text' => 'produknya keren kualitasnya bagus awet dan tahan lama',
                    'class' => 'positif'
                ],
                [
                    'text' => 'barangnya bagus mudah digunakan',
                    'class' => 'positif'
                ],
                [
                    'text' => 'barangnya cepat rusak kualitas buruk, tidak bisa digunakan sama sekali',
                    'class' => 'negatif'
                ],
                [
                    'text' => 'produknya jelek tidak sesuai harapan',
                    'class' => 'negatif'
                ],
                [
                    'text' => 'produk sudah cukup baik, cara penggunaanya juga cukup mudah',
                    'class' => 'netral'
                ],
            ];
			
    $nb = new NaiveBayes();
    // mendefinisikan class target sesuai dengan yang ada pada data training.
    $nb->setClass(['positif', 'negatif', 'netral']);

    // proses training
    $nb->training($data);

    // pengujian
    $result = $nb->predict('produknya buruk tidak keren'); // output "negatif"
    
    print_r($result);
/*
    
    //hasil output
    Array
    (
        [positif] => Array
            (
                [computed] => Array
                    (
                        [0] => 0.038461538461538
                        [1] => 0.019230769230769
                        [2] => 0.019230769230769
                        [3] => 0.038461538461538
                    )

                [result] => 0.023076923076923
            )

        [negatif] => Array
            (
                [computed] => Array
                    (
                        [0] => 0.037037037037037
                        [1] => 0.037037037037037
                        [2] => 0.055555555555556
                        [3] => 0.018518518518519
                    )

                [result] => 0.02962962962963
            )

        [netral] => Array
            (
                [computed] => Array
                    (
                        [0] => 0.021739130434783
                        [1] => 0.021739130434783
                        [2] => 0.021739130434783
                        [3] => 0.021739130434783
                    )

                [result] => 0.017391304347826
            )

        [hasil] => negatif
    )
*/