the Web pages contain unstructured

the Web pages contain unstructured or semi-structured textual data, the process of extracting implicit knowledge from texts, or namely the text mining process, is naturally introduced to generate semantic metadata.
The intent to annotate existing Web pages with semantic meta-data will be impractical if the annotation process requires human intervention or is unscalable. In fact, the entire annotation process is technically trivial and can be easily automated if we omit the semantic extraction part of it. Generally, the semantics of a Web page is difficult to decide without the judgment of human beings. The automation of semantics extraction process is necessary since even minor requirement of human effort will result in tremendous amount of time cost due to the gigantic number of several billions Web pages existed in the Web. However, such automation is rather difficult because the recognition of semantics is a high-level cogni¬tive process. A suitable text mining process may provide a solution to this automatic semantics extraction problem if three basic requirements are satisfied. The first is that the process should be fully automatic without, or with a negligible amount of, human intervention. The second is that it should be generalizable and scal¬able so we need not to use all existing Web pages for training. The last is that it should be able to extract the real semantics of the Web pages and present it in a human-comprehensible way. The second requirement can be solved by a suitable machine-learning algorithm. However, the rest two requirements are considerably difficult since they involve high-level cognitive processes and sophisticated design of the extraction procedure.

Results (Indonesian) 1:

Halaman Web berisi data tekstual terstruktur atau semi-terstruktur, proses ekstraksi implisit pengetahuan dari teks, atau yaitu proses pertambangan teks, yang secara alami diperkenalkan untuk menghasilkan semantik metadata.Maksud untuk anotasi laman Web yang ada dengan meta-data semantik akan tidak praktis jika proses anotasi memerlukan intervensi manusia atau tidak scalable. Bahkan, proses seluruh penjelasan secara teknis sepele dan dapat dengan mudah otomatis jika kita menghilangkan bagian semantik ekstraksi dari itu. Umumnya, semantik dari halaman Web sulit untuk memutuskan tanpa pengadilan manusia. Otomatisasi proses ekstraksi semantik diperlukan karena kebutuhan bahkan kecil usaha manusia akan mengakibatkan sejumlah besar waktu biaya karena jumlah raksasa beberapa miliaran halaman Web yang ada di Web. Namun, otomatisasi tersebut agak sulit karena pengakuan semantik adalah proses cogni¬tive tingkat tinggi. Proses pertambangan cocok teks dapat memberikan solusi untuk masalah ini ekstraksi otomatis semantik jika tiga dasar persyaratan terpenuhi. Yang pertama adalah bahwa proses harus sepenuhnya otomatis tanpa, atau dengan jumlah yang dapat diabaikan, campur tangan manusia. Yang kedua adalah bahwa hal itu harus digeneralisasikan dan scal¬able sehingga kita tidak perlu menggunakan semua yang ada Web halaman untuk pelatihan. Yang terakhir adalah bahwa hal itu harus dapat ekstrak semantik nyata dari halaman Web dan menyajikannya dalam cara manusia-dipahami. Syarat kedua dapat diselesaikan dengan algoritma pembelajaran mesin yang cocok. Namun, persyaratan dua sisanya cukup sulit karena mereka melibatkan proses kognitif tingkat tinggi dan desain yang canggih prosedur ekstraksi.

Results (Indonesian) 2:

halaman Web berisi data tekstual yang tidak terstruktur atau semi-terstruktur, proses penggalian pengetahuan implisit dari teks, atau yaitu proses text mining, secara alami diperkenalkan untuk menghasilkan metadata semantik.
Maksud untuk membubuhi keterangan halaman Web yang ada dengan meta-data semantik akan praktis jika proses anotasi memerlukan campur tangan manusia atau unscalable. Bahkan, seluruh proses penjelasan secara teknis sepele dan dapat dengan mudah otomatis jika kita menghilangkan bagian ekstraksi semantik itu. Umumnya, semantik halaman Web adalah sulit untuk memutuskan tanpa penghakiman manusia. Otomatisasi proses ekstraksi semantik diperlukan karena kebutuhan bahkan kecil usaha manusia akan menghasilkan sejumlah besar biaya waktu karena jumlah raksasa beberapa miliaran halaman Web ada di Web. Namun, otomatisasi seperti agak sulit karena pengakuan semantik adalah proses cogni¬tive tingkat tinggi. Sebuah proses text mining cocok dapat memberikan solusi untuk masalah ekstraksi semantik ini otomatis jika tiga persyaratan dasar puas. Yang pertama adalah bahwa proses harus sepenuhnya otomatis tanpa, atau dengan jumlah diabaikan, campur tangan manusia. Yang kedua adalah bahwa itu harus digeneralisasikan dan scal¬able sehingga kita tidak perlu menggunakan semua halaman web yang ada untuk pelatihan. Yang terakhir adalah bahwa hal itu harus dapat mengekstrak semantik sebenarnya dari halaman Web dan menyajikannya dengan cara-manusia dipahami. Persyaratan kedua dapat diselesaikan dengan algoritma mesin-belajar yang sesuai. Namun, sisa dua persyaratan yang jauh sulit karena mereka melibatkan proses kognitif tingkat tinggi dan desain yang canggih dari prosedur ekstraksi.