the annotations, as we should discu

the annotations, as we should discuss in the following. Here we further differentiate the automatic semantic annotation schemes into two models. The first model is called ontology-driven seman¬tic tagging which task is to generate a set of tags that can seman¬tically describe and tag the original content of a Web page in sentence or sub-structure levels according to some ontologies. Graubitz, Winkler, and Spiliopoulou (2001) developed the DIAs-DEM framework to incorporate legacy data and collections of semi-structured documents into an integrated information system that can be queried to support decision processes. They applied a KDD process to derive a preliminary flat XML DTD serving as a qua-si-schema for the document archive and enable the provision of database-like querying services on textual data. The framework is further improved by Winkler and Spiliopoulou (2001) that derived structured XML DTDs in order to extend previously derived flat DTDs. Dill et al. (2003) introduced the SemTag system that per-forms automated semantic tagging of large corpora and focuses on detecting the occurrence of particular entities in Web pages. The application is centralized, which is the same as this work, such that knowledge from the entire corpus is used. However, the tagged terms are predefined in a standard ontology rather than automatically identified. Bonino, Corno, and Farinetti (2003) pro-posed an architecture for creating and managing annotations using previously defined ontologies, and it allows the tagging of docu¬ments at different granularity levels, ranging from the whole doc¬ument to the single paragraph. Li, Zhang, and Yu (2001) proposed a machine-learning based automatic annotation approach, which is implemented in ALPHA system, to annotate Web pages in sentence level and in RDF format. Kiryakov, Popov, Terziev, Manov, and Ognyanoff (2005) describes the semantic annotation scheme of KIM platform. The named entities are extracted and tagged accord¬ing to a upper-level ontology (KIMO) and a knowledge base. All the above-mentioned methods rely on predefined ontologies. Seman¬tic tagging may also be achieved without the use of ontologies. Dingli, Ciravegna, and Wilks (2003) proposed the Armadillo archi-tecture that uses an iterative approach which combines informa¬tion extraction and machine learning to extract annotations for tagging semantically-consistent portions of the Web. The knowl¬edge for extracting annotations comes from some Web sites that provide structured knowledge, such as Citeseer1 and Google.2 No ontological knowledge has been used in their method.
The second model for automatic semantic annotation is called semantic metadata generation, which task is to generate a section of metadata that can semantically describe the content of the annotating page. The generated metadata may incorporate ontolo¬gies implicitly or explicitly, where implicit ontology means that a system defines its own semantic categories as well as their rela¬tionships, and explicit ontology means a system relies on some predefined ontologies. Most of the semantic metadata generation schemes use ontologies explicitly since it is difficult to generate ontologies. Volz, Handschuh, Staab, Stojanovic, and Stojanovic (2004) describes an annotation scheme called deep annotation that manually creates relational metadata for the Web presentation or annotates directly using the logical database schema. The CREAM framework (Handschuh & Staab, 2003) applies a metadata re-rec¬ognition process to compare existing metadata literals with newly typed or existing text. It also learns a wrapper from given markup in order to automatically annotate similarly structured pages. Fi¬nally, message extraction like systems may be used to recognize named entities, propose co-reference, and extract some relation-ship from texts. The PANKOW method (Cimiano, Handschuh, & Sta¬ab, 2004), a module of the CREAM framework, employs an

Results (Indonesian) 1:

anotasi, seperti yang kita harus membahas berikut. Di sini kita lebih membedakan skema otomatis semantik anotasi ke dalam dua model. Model pertama disebut berbasis ontologi seman¬tic penandaan yang tugas adalah untuk menghasilkan satu set tag yang dapat menggambarkan seman¬tically dan tag konten asli halaman Web dalam kalimat atau sub-struktur tingkat menurut beberapa ontologi. Graubitz, Winkler, dan Spiliopoulou (2001) mengembangkan kerangka DIAs-DEM untuk memasukkan data warisan dan koleksi dokumen semi-terstruktur ke dalam sistem informasi terpadu yang dapat bertanya untuk mendukung proses keputusan. Mereka diterapkan KDD proses untuk memperoleh DTD XML datar awal yang melayani sebagai qua-si-skema untuk arsip dokumen dan mengaktifkan penyediaan jasa query database seperti data tekstual. Kerangka kerja telah ditingkatkan dengan Winkler dan Spiliopoulou (2001) yang berasal terstruktur melihat DTD XML untuk memperpanjang sebelumnya berasal datar melihat DTD. Dill et al. (2003) memperkenalkan sistem SemTag yang setiap bentuk penandaan semantik otomatis korporasi besar dan berfokus pada mendeteksi terjadinya entitas tertentu pada halaman Web. Aplikasi secara terpusat, yang adalah sama dengan pekerjaan ini, sedemikian rupa sehingga pengetahuan dari seluruh corpus digunakan. Namun, tagged persyaratan yang telah ditetapkan dalam standar ontologi daripada otomatis mengidentifikasi. Bonino, Horn, dan Farinetti (2003) pro-berpose arsitektur untuk menciptakan dan mengelola anotasi menggunakan sebelumnya didefinisikan ontologi, dan memungkinkan menandai docu¬ments pada tingkat berbeda granularity, mulai dari doc¬ument seluruh paragraf satu. Li, Zhang dan Yu (2001) mengusulkan pembelajaran mesin berbasis pendekatan otomatis anotasi, yang dilaksanakan dengan sistem ALPHA, untuk keterangan halaman Web di tingkat kalimat dan dalam RDF format. Kiryakov, Popov, Terziev, situs Manov, dan Ognyanoff (2005) menjelaskan skema semantik anotasi KIM platform. Entitas bernama diekstrak dan menandai accord¬ing tingkat tinggi ontologi (KIMO) dan pengetahuan dasar. Semua metode yang disebutkan di atas mengandalkan standar ontologi. Seman¬Tic penandaan juga dapat dicapai tanpa menggunakan ontologi. Dingli, Ciravegna dan Wilks (2003) mengusulkan Armadillo archi-tecture yang menggunakan pendekatan yang berulang-ulang yang menggabungkan informa¬tion ekstraksi dan mesin belajar untuk mengekstrak anotasi untuk menandai bagian-bagian yang konsisten semantik web. Knowl¬edge untuk mengeluarkan anotasi berasal dari beberapa situs Web yang memberikan pengetahuan terstruktur, seperti Citeseer1 dan Google.2 tidak ada pengetahuan ontologis telah digunakan dalam metode mereka.Kedua model untuk otomatis semantik anotasi adalah generasi metadata semantik yang disebut, yang tugas ini adalah untuk menghasilkan bagian metadata yang semantik dapat menggambarkan isi dari halaman annotating. Metadata yang dihasilkan dapat menyertakan ontolo¬gies secara implisit atau secara eksplisit, mana implisit ontologi berarti bahwa sistem mendefinisikan kategori semantik sendiri serta rela¬tionships mereka, dan ontologi eksplisit berarti sebuah sistem bergantung pada ontologi beberapa standar. Sebagian besar semantik metadata generasi skema menggunakan ontologi secara eksplisit karena sulit untuk menghasilkan ontologi. Volz, Handschuh, Staab, dalam, dan dalam (2004) menjelaskan skema anotasi yang disebut dalam anotasi yang menciptakan relasional metadata untuk presentasi Web atau secara manual menambahkan catatan secara langsung menggunakan skema database yang logis. Kerangka krim (Handschuh & Staab, 2003) menerapkan proses re-rec¬ognition metadata untuk membandingkan literal metadata yang ada dengan teks baru diketik atau yang sudah ada. Itu juga belajar pembungkus dari diberikan markup untuk secara otomatis anotasi demikian pula terstruktur halaman. Fi¬nally, pesan ekstraksi seperti sistem dapat digunakan untuk mengenali entitas bernama, mengusulkan Co referensi, dan mengambil beberapa hubungan-kapal dari teks. Metode PANKOW (Cimiano, Handschuh, & Sta¬ab, 2004), sebuah modul dari kerangka krim, mempekerjakan

Results (Indonesian) 2:

penjelasan, karena kami harus membicarakan berikut ini. Di sini kita lebih membedakan skema otomatis penjelasan semantik menjadi dua model. Model pertama disebut ontologi berbasis tagging seman¬tic yang bertugas untuk menghasilkan satu set tag yang seman¬tically dapat menggambarkan dan tag konten asli dari halaman Web dalam kalimat atau sub-struktur tingkat menurut beberapa ontologi. Graubitz, Winkler, dan Spiliopoulou (2001) mengembangkan kerangka Dias-DEM untuk memasukkan data warisan dan koleksi dokumen semi-terstruktur ke dalam sistem informasi terpadu yang dapat bertanya untuk mendukung proses pengambilan keputusan. Mereka menerapkan proses KDD untuk mendapatkan sebuah flat XML DTD awal menjabat sebagai qua-si-skema untuk arsip dokumen dan memungkinkan penyediaan layanan query database seperti pada data tekstual. Kerangka ini lebih ditingkatkan oleh Winkler dan Spiliopoulou (2001) yang berasal DTD XML terstruktur untuk memperpanjang berasal sebelumnya DTD datar. Dill dkk. (2003) memperkenalkan sistem SemTag yang per-bentuk otomatis tagging semantik corpora besar dan berfokus pada mendeteksi terjadinya entitas tertentu di halaman web. Aplikasi ini terpusat, yang sama dengan pekerjaan ini, bahwa pengetahuan tersebut dari seluruh corpus digunakan. Namun, istilah tag yang telah ditetapkan dalam ontologi standar daripada otomatis diidentifikasi. Bonino, Corno, dan Farinetti (2003) pro-berpose arsitektur untuk menciptakan dan mengelola penjelasan menggunakan ontologi ditetapkan sebelumnya, dan memungkinkan penandaan docu¬ments pada tingkat granularity yang berbeda, mulai dari seluruh doc¬ument untuk paragraf tunggal. Li, Zhang, dan Yu (2001) mengusulkan suatu mesin-belajar berdasarkan pendekatan anotasi otomatis, yang diimplementasikan dalam sistem ALPHA, untuk membubuhi keterangan halaman Web di tingkat kalimat dan dalam format RDF. Kiryakov, Popov, Terziev, Manov, dan Ognyanoff (2005) menjelaskan skema penjelasan semantik platform KIM. Entitas bernama diekstrak dan menandai accord¬ing ke ontologi tingkat atas (Kimo) dan basis pengetahuan. Semua metode yang disebutkan di atas bergantung pada ontologi yang telah ditetapkan. Tagging Seman¬tic juga dapat dicapai tanpa menggunakan ontologi. Dingli, Ciravegna, dan Wilks (2003) mengusulkan Armadillo archi-tecture yang menggunakan pendekatan iteratif yang menggabungkan ekstraksi informa¬tion dan mesin belajar untuk mengekstrak penjelasan untuk penandaan bagian semantik-konsisten dari Web. The knowl¬edge untuk mengekstraksi penjelasan berasal dari beberapa situs Web yang memberikan pengetahuan terstruktur, seperti Citeseer1 dan Google.2 ada pengetahuan ontologis telah digunakan dalam metode mereka.
Model kedua untuk penjelasan semantik otomatis disebut generasi metadata semantik, yang tugas adalah untuk menghasilkan bagian dari metadata yang semantik dapat menggambarkan isi dari halaman annotating. Metadata yang dihasilkan dapat menggabungkan ontolo¬gies implisit atau eksplisit, di mana ontologi implisit berarti bahwa sistem mendefinisikan kategori sendiri semantik serta rela¬tionships mereka, dan ontologi eksplisit berarti sistem bergantung pada beberapa ontologi yang telah ditetapkan. Sebagian besar skema generasi metadata semantik menggunakan ontologi secara eksplisit karena sulit untuk menghasilkan ontologi. Volz, Handschuh, Staab, Stojanovic, dan Stojanovic (2004) menjelaskan skema penjelasan disebut penjelasan mendalam yang manual menciptakan metadata relasional untuk presentasi Web atau menambahkan catatan langsung menggunakan skema database logis. Kerangka CREAM (Handschuh & Staab, 2003) menerapkan proses re-rec¬ognition metadata untuk membandingkan literal metadata yang ada dengan yang baru diketik atau ada teks. Hal ini juga belajar pembungkus dari yang diberikan markup untuk secara otomatis membubuhi keterangan halaman sama terstruktur. Fi¬nally, ekstraksi pesan seperti sistem dapat digunakan untuk mengenali entitas bernama, mengusulkan co-referensi, dan mengambil beberapa hubungan-kapal dari teks. The Pankow metode (Cimiano, Handschuh, & Sta¬ab, 2004), modul dari kerangka CREAM, mempekerjakan