6. Conclusions and discussionsOne m

6. Conclusions and discussions
One major strength of the Semantic Web is its ability to repre¬sent and use the semantics of the Web pages. However, such strength relies on the precise understanding of the semantics of Web pages. Unfortunately, most of the existing Web pages do not provide such semantic information in an explicit, comprehen¬sive, and easy-to-access way. Therefore, we must omit these pages or extract semantics online to meet the requirements of the Semantic Web, which are both implausible. Semantically annotat¬ing the Web pages will help improving such lack-of-semantics sit¬uation. However, most existing annotation techniques require human interference and make the annotation process time-con¬suming and inconsistent. To remedy these difficulties, we proposed an automated technique to generate metadata that semantically annotating a Web page. The proposed method applies a text min
ing process that uses the self-organizing maps on a set of training Web pages to create an ontology and discover four kinds of seman¬tic information, namely the important keywords, the important themes, the related themes, and the related pages. These kinds of information are aggregated into a piece of metadata and used to tag keywords of a Web page to help other applications understand¬ing the meaning of this page. We believe such metadata and tags will give contributions on providing semantic information of a page for possible applications on the Semantic Web.
We discuss some limitations of the proposed method here. First, there are several parameters that need to be determined in our method, such as sK in labeling keywords, sD in relating neurons, and Tin training the SOM, etc. The value of these parameters were mostly determined experimentally and hardly to be optimal. Sev¬eral tries should be performed before deciding their appropriate values. However, we can derive some guidelines from experience or theoretical deductions. For example, sK should be as close as 1 to allow precise keyword labeling. This may, however, label too few keywords to a neuron. Thus we often decrease sK to have ade¬quate number of keywords on a neuron. The value of sK should not be, say, a value smaller than 0.5, to prevent irrelevant keywords being labeled. Other guidelines could be derived likewise for other parameters. We will investigate further on this topic and try to establish rules for determining the values of these parameters.
In this work we construct four types of metadata, namely important keywords, important themes, related themes, and re-lated pages. These types of metadata, however, are determined barely by the author’s discernment. They are neither complete nor sufficient to represent the semantics of a Web page. What we add is just a set of derived knowledge that may catch the semantics of the Web pages. Although semantics extraction is the ultimate goal of our method, we should emphasize that we did not intend to develop a method that can extract real or full semantics from Web pages. Instead of extract full semantics of Web pages, we concern with the development of a fully automatic method that may extract information which is useful for under-standing of Web pages. It is impractical and unnecessary to know the real semantics of a Web page when we already have enough knowledge about this page. It is not been said that the four types of metadata are enough to describe or understand the Web pages. What we did is merely a start of extracting semantics from Web pages. Other types of metadata should be derived for further applications.
This work focuses on describing a method for generating meta-data and tags. We did not discuss the ways to represent such de-rived information. Although we depicted a sample Web page using XML format in Fig. 6, the sample Web page does not comply with any standard in practice such as RDF and OWL. The metadata and tags, however, can be easily represented in these standards to fit for real-world applications.

Results (Indonesian) 1:

6. kesimpulan dan diskusiSalah satu kekuatan utama Semantic Web adalah kemampuannya untuk repre¬sent dan menggunakan semantik dari halaman Web. Namun, kekuatan tersebut bergantung pada pemahaman tepat semantik dari halaman Web. Sayangnya, sebagian besar halaman Web yang ada tidak memberikan semantik informasi di eksplisit, comprehen¬sive, dan mudah-untuk-akses jalan tersebut. Oleh karena itu, kita harus menghilangkan Halaman ini atau ekstrak semantik online untuk memenuhi persyaratan dari Web semantik, yang keduanya tidak masuk akal. Semantik annotat¬ing halaman Web akan membantu meningkatkan sit¬uation kurang-dari-semantik tersebut. Namun, sebagian besar teknik anotasi yang ada memerlukan campur tangan manusia dan membuat proses anotasi waktu-con¬suming dan tidak konsisten. Untuk mengatasi kesulitan-kesulitan ini, kami mengusulkan sebuah teknik otomatis untuk menghasilkan metadata yang semantik annotating halaman Web. Metoda yang diusulkan berlaku min teks ing proses yang menggunakan self-Organizing peta pada serangkaian pelatihan halaman Web untuk membuat ontologi dan menemukan empat jenis informasi seman¬tic, yaitu kata kunci penting, tema-tema penting, tema yang terkait, dan halaman terkait. Jenis-jenis informasi yang dikumpulkan ke dalam sepotong metadata dan digunakan untuk kata kunci tag dari halaman Web untuk membantu aplikasi lain understand¬ing makna dari Halaman ini. Kami percaya seperti metadata dan tag akan memberikan kontribusi pada penyediaan semantik informasi halaman untuk kemungkinan aplikasi pada Web semantik.Kita membahas beberapa keterbatasan metoda yang diusulkan di sini. Pertama, ada beberapa parameter yang perlu ditentukan dalam metode kami, seperti sK dalam label kata kunci, sD di berhubungan neuron, dan Tin pelatihan SOM, dll. Nilai parameter ini sebagian besar ditentukan eksperimental dan hampir tidak akan optimal. SEV¬eral mencoba harus dilakukan sebelum memutuskan nilai-nilai mereka sesuai. Namun, kita dapat memperoleh beberapa panduan dari pengalaman atau pengurangan teoritis. Sebagai contoh, sK harus sedekat 1 untuk memungkinkan label kata kunci yang tepat. Ini mungkin, namun, label juga beberapa kata kunci untuk neuron. Dengan demikian kita sering mengurangi sK harus ade¬quate jumlah kata kunci di neuron. Nilai sK tidak boleh, mengatakan, nilai yang lebih kecil dari 0,5, agar kata kunci tidak relevan yang diberi label. Pedoman lain bisa berasal demikian juga untuk parameter lain. Kami akan menyelidiki lebih lanjut tentang topik ini dan mencoba untuk menetapkan aturan-aturan untuk menentukan nilai parameter ini.Dalam karya ini kita membangun empat jenis metadata, yaitu kata kunci penting, penting tema, tema yang terkait, dan halaman re-laranangan dan saksi. Jenis metadata, namun, ditentukan nyaris oleh penulis penegasan. Mereka tidak lengkap dan tidak memadai untuk mewakili semantik dari halaman Web. Apa yang kami tambahkan adalah hanya satu set diturunkan pengetahuan yang dapat menangkap semantik dari halaman Web. Meskipun semantik ekstraksi adalah tujuan akhir dari metode kami, kami harus menekankan bahwa kita tidak berniat untuk mengembangkan metode yang dapat mengekstrak semantik nyata atau penuh dari halaman Web. Bukan ekstrak penuh semantik halaman Web, kami keprihatinan dengan perkembangan metode sepenuhnya otomatis yang dapat mengekstrak informasi yang berguna untuk berdiri bawah halaman Web. Hal ini tidak praktis dan tidak perlu untuk mengetahui semantik nyata dari halaman Web ketika kita sudah memiliki pengetahuan yang cukup tentang Halaman ini. Tidak telah dikatakan bahwa empat jenis metadata yang cukup untuk menggambarkan atau memahami halaman Web. Apa yang kita lakukan adalah hanya awal dari penggalian semantik dari halaman Web. Jenis metadata harus diambil untuk aplikasi lebih lanjut.Pekerjaan ini berfokus pada menjelaskan sebuah metode untuk menghasilkan meta-data dan tag. Kami tidak pernah dibicarakan dengan cara untuk mewakili informasi de rived. Meskipun kami menggambarkan sebuah contoh halaman Web yang menggunakan XML format dalam gambar 6, halaman Web sampel yang tidak sesuai dengan standar apapun dalam praktek seperti RDF dan burung hantu. Metadata dan tag, namun, dapat dengan mudah direpresentasikan dalam standar ini cocok untuk aplikasi dunia nyata.

Results (Indonesian) 2:

6. Kesimpulan dan diskusi
Salah satu kekuatan utama dari Semantic Web adalah kemampuannya untuk repre¬sent dan menggunakan semantik dari halaman Web. Namun, kekuatan seperti bergantung pada pemahaman yang tepat dari semantik halaman Web. Sayangnya, sebagian besar halaman web yang ada tidak memberikan informasi semantik seperti dengan cara eksplisit, comprehen¬sive, dan mudah-untuk-akses. Oleh karena itu, kita harus menghilangkan halaman ini atau semantik ekstrak online untuk memenuhi persyaratan dari Semantic Web, yang keduanya tidak masuk akal. Semantis annotat¬ing halaman Web akan membantu meningkatkan seperti kurangnya-of-semantik sit¬uation. Namun, sebagian besar teknik penjelasan yang ada memerlukan campur tangan manusia dan membuat proses penjelasan waktu-con¬suming dan tidak konsisten. Untuk memperbaiki kesulitan-kesulitan ini, kami mengusulkan teknik otomatis untuk menghasilkan metadata yang semantis annotating halaman Web. Metode yang diusulkan berlaku teks min
proses yang menggunakan peta mengorganisir diri pada set pelatihan halaman Web untuk membuat ontologi dan menemukan empat jenis informasi seman¬tic, yaitu kata kunci penting, tema penting, tema terkait ing, dan halaman terkait. Jenis-jenis informasi yang dikumpulkan ke dalam sepotong metadata dan digunakan untuk menandai kata kunci dari halaman Web untuk membantu aplikasi lain understand¬ing arti dari halaman ini. Kami percaya metadata dan tag tersebut akan memberikan kontribusi pada penyediaan informasi semantik dari halaman untuk memungkinkan aplikasi di Web Semantic.
Kami membahas beberapa keterbatasan metode yang diusulkan di sini. Pertama, ada beberapa parameter yang harus ditentukan dalam metode kami, seperti SK kata kunci pelabelan, sD di neuron berhubungan, dan Tin pelatihan SOM, dll Nilai parameter ini sebagian besar ditentukan secara eksperimental dan hampir tidak menjadi optimal. Mencoba Sev¬eral harus dilakukan sebelum memutuskan nilai-nilai yang sesuai mereka. Namun, kita dapat memperoleh beberapa panduan dari pengalaman atau pemotongan teoritis. Misalnya, SK harus sedekat 1 untuk memungkinkan pelabelan kata kunci yang tepat. Hal ini mungkin, namun, label terlalu sedikit kata kunci untuk neuron. Jadi kita sering menurunkan SK memiliki nomor ade¬quate kata kunci pada neuron. Nilai SK tidak boleh, mengatakan, nilai lebih kecil dari 0,5, untuk mencegah kata kunci yang tidak relevan dicap. Pedoman lainnya bisa diturunkan juga untuk parameter lainnya. Kami akan menyelidiki lebih lanjut tentang topik ini dan mencoba untuk menetapkan aturan untuk menentukan nilai-nilai parameter ini.
Dalam karya ini kita membangun empat jenis metadata, yaitu kata kunci penting, tema penting, tema terkait, dan halaman re-lated. Jenis metadata, bagaimanapun, ditentukan oleh hampir penegasan penulis. Mereka tidak lengkap dan tidak cukup untuk mewakili semantik halaman Web. Apa yang kita tambahkan adalah hanya satu set pengetahuan yang berasal yang dapat menangkap semantik dari halaman Web. Meskipun ekstraksi semantik adalah tujuan akhir dari metode kami, kita harus menekankan bahwa kami tidak berniat untuk mengembangkan sebuah metode yang dapat mengekstrak semantik nyata atau penuh dari halaman Web. Alih-alih ekstrak semantik penuh halaman Web, kita perhatian dengan pengembangan metode sepenuhnya otomatis yang dapat mengekstrak informasi yang berguna untuk di bawah-berdiri dari halaman Web. Hal ini tidak praktis dan tidak perlu tahu semantik nyata dari sebuah halaman Web ketika kita sudah memiliki pengetahuan yang cukup tentang halaman ini. Hal ini tidak mengatakan bahwa empat jenis metadata cukup untuk menggambarkan atau memahami halaman Web. Apa yang kita lakukan hanyalah awal penggalian semantik dari halaman Web. Jenis lain dari metadata harus diturunkan untuk aplikasi lebih lanjut.
Karya ini berfokus pada menjelaskan metode untuk menghasilkan tag meta-data dan. Kami tidak membahas cara-cara untuk mewakili informasi de-rived tersebut. Meskipun kami digambarkan halaman Web sampel menggunakan format XML pada Gambar. 6, halaman Web sampel tidak sesuai dengan standar dalam praktek seperti RDF dan OWL. Metadata dan tag, bagaimanapun, dapat dengan mudah direpresentasikan dalam standar ini sesuai untuk aplikasi dunia nyata.