Peringkasan judul produk dalam platform e-commerce berbasis encoder-decoder bidirectional LSTM dengan attention mechanism dan context gate

Felicia Eureka Bunaren, Arif Nurwidyantoro ,M.Cs., Ph.D

2026 | Skripsi | ILMU KOMPUTER

Judul produk pada e-commerce cenderung panjang untuk menarik perhatian pembeli dan meningkatkan visibilitas pencarian. Akibatnya, informasi penting dalam produk seperti merek, fungsi, ukuran, dan variasi dari produk menjadi tercampur dengan kata marketing seperti “murah”, “promo”, dan “garansi”. Dengan popularitas voice shopping dan mobile shopping, judul produk yang panjang butuh diringkas agar pantas digunakan untuk pencarian suara dan tampilan listing produk yang elegan pada keterbatasan layar mobile. Dengan demikian, peringkas teks otomatis dapat digunakan untuk meringkas judul produk tanpa menghilangkan informasi penting. 

Penelitian sebelumnya menggunakan encoder-decoder BiLSTM dengan attention mechanism untuk meringkas judul produk, namun mengalami penurunan nilai ROUGE pada judul yang lebih panjang. Penurunan tersebut diduga disebabkan oleh menurunnya akurasi pelabelan NER, di mana token penting tidak termuat dalam judul pendek. Penelitian ini menambahkan modul context gate untuk meningkatkan performa pelabelan BIO-NER dan kualitas peringkasan judul produk. Hasil penelitian menunjukkan bahwa model yang diusulkan memperoleh F1-score lebih tinggi 4,88% dibandingkan model terbaik baseline. Namun, peningkatan tersebut tidak diikuti oleh peningkatan yang signifikan pada evaluasi ROUGE. Meskipun model terbaik yang diusulkan memperoleh nilai ROUGE-1 dan ROUGE-L sedikit lebih tinggi, model terbaik baseline menghasilkan nilai ROUGE-2 yang lebih tinggi sebesar 2,14%.

Product titles in e-commerce tend to be long to attract buyers' attention and improve search visibility. As a result, important product information, such as brand, function, size, and variation, becomes mixed with marketing terms such as "cheap," "promotion," and "warranty." With the growing popularity of voice shopping and mobile shopping, long product titles need to be summarized so that they are suitable for voice search and elegant product listing displays on mobile devices with limited screen space. Therefore, automatic text summarization can be used to generate shorter product titles without removing important information.

Previous research employed an encoder-decoder BiLSTM with an attention mechanism to summarize product titles. However, the model exhibited a decline in ROUGE scores for longer product titles. This decline was attributed to reduced NER labeling accuracy, in which important tokens were not included in the generated short titles. This study incorporates a context gate module to improve BIO-NER labeling performance and product title summarization quality. The experimental results show that the proposed model achieved an F1-score that was 4,88% higher than the best baseline model. However, this improvement was not accompanied by a significant increase in ROUGE evaluation results. Although the best proposed model achieved slightly higher ROUGE-1 and ROUGE-L scores, the best baseline model obtained a ROUGE-2 score that was 2,14% higher.

Kata Kunci : Text Summarization, E-Commerce Product Title, NER, encoder-decoder BiLSTM, Context Gate