Note that we will omit themes that

Note that we will omit themes that already occur in the THEMES part.
Finally, we may obtain the related pages of a Web page accord¬ing to the DCM. We define the relate pages of a Web page as those pages that labeling to the same neuron. We may also include those pages that labeled to the nearby neurons as related pages since these neurons are considered similar by virtue of the SOM. When Web page j is related to Web page i, the weight of Web page j is the normalized difference between their document vectors, i.e.
kwi~wjk
N multiplies by the geometrical distance between their corre-sponding neurons. Note that a value of 1 is added to the geometri¬cal distance defined in Eq. (5) to avoid zero distances. We then record these related pages as well as their weights as follows:
hRELATED PAGESipage1 : weight1; ~ ~ ~ ; pagen
: weightnh=RELATEDPAGESi:
4.3. Generating tags
We define tags as pieces of information that accompany pieces of text in a Web page. In a plain Web page, several types of tags have been defined. These tags are generally syntactic and used for typesetting or inclusion of multimedia objects. In this subsec¬tion we will develop several types of semantic tags that will pro-vide related information of some tagged texts when a user browses the page. Different from the syntactic tags, semantic tags are generally some kinds of information that provide semantic information about the tagged text. A common type of semantic tag is the part-of-speech tag, but it is often considered as syntactic tag. It is difficult to draw a strict line between semantic tagging and syntactic tagging since they often overlap. We will adopt a broader view of semantics here. A semantic tag, in this work, is a piece of information that describes the semantics of the tagged text. Such information could have various levels of abstraction. For example, it could be some metaphor behind the text, the conclusion give in the text, or the causality of the text. However, these high-level information are rather difficult to derive. Thus, the tags assigned to some texts are often simple categorical labels in practice. For example, semantic tagging Web sites such as Flickr,3 Del.icio.us,4 and Technorati5 allow the users to tag a Web page with user-defined categories. In these sites, users could add tags to photos, posts, and Web sites, etc. to help searching. Similarly, our goal is to generate tags that can be used to provide guidance for a user to find related Web pages. We will tag some keyword in the Web page with its theme. It is then simple to find the related pages and related themes through the ontology developed in Section 4.1.
In a Web page, we will tag all keywords that appear in the KCM. The tagged information of a keyword will be the index of its la¬beled neuron in the KCM. For example, let keyword ‘knowledge’ be labeled to neuron 17 in the KCM. The keyword should then be tagged as follows:
...hMAPindex ¼ 17iknowledgeh=MAPi ...
When there are multiple choices in the KCM for the keyword, we simply select the neuron which is closest to the one to which this page is labeled. We can then find related themes and Web pages according to this neuron index. To facilitate such representation, it is necessary to refer to both KCM and DCM. A plausible approach is to include additional metadata that point to the KCM and DCM as follows:

Results (Indonesian) 1:

Perhatikan bahwa kita akan menghilangkan tema yang sudah terjadi di bagian tema.Akhirnya, kita mungkin mendapatkan halaman terkait accord¬ing halaman Web untuk DCM. Kita mendefinisikan berhubungan halaman dari suatu halaman Web sebagai halaman tersebut bahwa label untuk neuron sama. Kami mungkin juga termasuk halaman-halaman yang dicap ke neuron dekat sebagai halaman terkait karena neuron-neuron ini dianggap serupa dengan Som Ketika halaman Web halaman j berkaitan dengan Web saya, berat j halaman Web adalah menormalkan perbedaan antara vektor dokumen mereka, yaituKWI ~ wjkN mengalikan oleh geometris jarak antara neuron edisi-sponding mereka. Perhatikan bahwa nilai 1 ditambahkan ke jarak geometri¬cal didefinisikan dalam EQ (5) untuk menghindari jarak nol. Kami kemudian merekam ini berhubungan dengan halaman serta beban mereka sebagai berikut:hRELATED PAGESipage1: weight1; ~ ~ ~ ; Pagen: weightnh = RELATEDPAGESi:4.3. menghasilkan TagKita mendefinisikan tag sebagai potongan-potongan informasi yang menemani potongan teks dalam halaman Web. Dalam halaman Web biasa, beberapa jenis tag telah didefinisikan. Tag ini umumnya sintaksis dan digunakan untuk typesetting atau dimasukkannya objek multimedia. Dalam subsec¬tion ini kami akan mengembangkan beberapa jenis Tag semantik yang akan pro-vide informasi yang berhubungan dengan beberapa teks tagged saat pengguna menelusuri halaman. Berbeda dari sintaksis tag, tag semantik yang umumnya beberapa jenis informasi yang memberikan semantik informasi tentang teks tagged. Jenis common tag semantik adalah bagian dari pidato tag, tetapi hal ini sering dianggap sebagai tag sintaksis. Sulit untuk menarik garis ketat antara tag semantik dan sintaksis penandaan karena mereka sering tumpang tindih. Kita akan mengadopsi pandangan yang lebih luas dari semantik di sini. Tag semantik, dalam karya ini, adalah sepotong informasi yang menggambarkan semantik tagged teks. Informasi tersebut bisa memiliki berbagai tingkatan abstraksi. Misalnya, ini bisa menjadi beberapa metafora di belakang teks, memberikan kesimpulan dalam teks, atau kausalitas teks. Namun, informasi ini tingkat tinggi agak sulit untuk mendapatkan. Dengan demikian, tag ditetapkan ke beberapa teks yang sering sederhana kategoris label dalam praktek. Sebagai contoh, semantik menandai situs Web seperti Flickr, 3 Del.icio.us,4 dan Technorati5 memungkinkan pengguna untuk menandai sebuah halaman Web dengan kategori yang ditetapkan pengguna. Di situs ini, pengguna dapat menambahkan tag ke posting, dan situs Web foto, dll untuk membantu pencarian. Demikian pula, tujuan kami adalah untuk menghasilkan tag yang dapat digunakan untuk memberikan bimbingan bagi pengguna untuk menemukan halaman Web terkait. Kami akan tag beberapa kata kunci di halaman Web dengan tema. Hal ini kemudian sederhana untuk menemukan halaman terkait dan tema-tema terkait melalui ontologi yang dikembangkan dalam Pasal 4.1.Dalam halaman Web, kami akan menandai semua kata kunci yang muncul di KCM. Tagged informasi kata kunci akan indeks yang la¬beled neuron di KCM. Sebagai contoh, biarkan kata kunci 'pengetahuan' diberi label untuk neuron 17 di KCM. Kata kunci kemudian harus ditandai sebagai berikut:.. 17iknowledgeh .hMAPindex ¼ = MAPi...Ketika ada beberapa pilihan di KCM untuk kata kunci, kita hanya memilih neuron yang terdekat dengan salah satu yang Halaman ini diberi label. Kita kemudian dapat menemukan tema-tema terkait dan halaman Web menurut Indeks neuron ini. Untuk memfasilitasi perwakilan tersebut, hal ini diperlukan untuk merujuk kepada KCM dan DCM. Pendekatan yang masuk akal adalah untuk memasukkan tambahan metadata yang mengarah ke KCM dan DCM sebagai berikut:

Results (Indonesian) 2:

Perhatikan bahwa kita akan menghilangkan tema yang sudah terjadi di bagian TEMA.
Akhirnya, kita dapat memperoleh halaman terkait halaman Web accord¬ing ke DCM. Kami mendefinisikan berhubungan halaman halaman Web sebagai halaman yang label ke neuron yang sama. Kami juga mungkin termasuk halaman yang berlabel ke neuron di dekatnya sebagai halaman terkait karena neuron ini dianggap sama berdasarkan SOM. Ketika halaman Web j terkait dengan halaman Web saya, berat halaman Web j adalah perbedaan dinormalisasi antara vektor dokumen mereka, yaitu
kwi ~ wjk
N mengalikan dengan jarak geometris antara neuron corre-sponding mereka. Perhatikan bahwa nilai 1 ditambahkan dengan jarak geometri¬cal didefinisikan dalam Persamaan. (5) untuk menghindari nol jarak. Kami kemudian merekam halaman terkait ini serta bobot sebagai berikut:
hRELATED PAGESipage1: Berat: 1; ~ ~ ~; pagen: weightnh = RELATEDPAGESi: 4.3. Tag menghasilkan Kami mendefinisikan tag sebagai potongan informasi yang menyertai potongan teks dalam halaman Web. Dalam halaman Web biasa, beberapa jenis tag yang telah ditetapkan. Tag ini umumnya sintaksis dan digunakan untuk typesetting atau masuknya benda multimedia. Dalam subsec¬tion ini kita akan mengembangkan beberapa jenis tag semantik yang akan pro-vide informasi dari beberapa teks tagged ketika pengguna menelusuri halaman terkait. Berbeda dengan tag sintaksis, semantik tag umumnya beberapa jenis informasi yang menyediakan informasi semantik tentang teks tag. Jenis umum dari tag semantik adalah bagian-of-speech tag, tetapi sering dianggap sebagai tag sintaksis. Sulit untuk menarik garis tegas antara penandaan semantik dan sintaksis penandaan karena mereka sering tumpang tindih. Kami akan mengadopsi pandangan yang lebih luas dari semantik di sini. Sebuah tag semantik, dalam pekerjaan ini, adalah sepotong informasi yang menggambarkan semantik teks tag. Informasi tersebut bisa memiliki berbagai tingkat abstraksi. Misalnya, bisa jadi beberapa metafora di balik teks, kesimpulan menyerah teks, atau kausalitas teks. Namun, informasi tingkat tinggi ini agak sulit untuk mendapatkan. Dengan demikian, tag ditugaskan untuk beberapa teks label kategoris sering sederhana dalam praktek. Misalnya, semantik situs Web tagging seperti Flickr, 3 Del.icio.us, 4 dan Technorati5 memungkinkan pengguna untuk menandai halaman Web dengan kategori yang ditetapkan pengguna. Dalam situs tersebut, pengguna bisa menambahkan tag ke foto, posting, dan situs Web, dll untuk membantu pencarian. Demikian pula, tujuan kami adalah untuk menghasilkan tag yang dapat digunakan untuk memberikan panduan bagi pengguna untuk menemukan halaman Web yang terkait. Kami akan menandai beberapa kata kunci dalam halaman Web dengan tema. Hal ini kemudian sederhana untuk menemukan halaman yang terkait dan tema terkait melalui ontologi yang dikembangkan di Bagian 4.1. Dalam halaman Web, kami akan menandai semua kata kunci yang muncul di KCM. Informasi tagged dari kata kunci akan menjadi indeks neuron la¬beled dalam KCM. Sebagai contoh, mari kata kunci 'pengetahuan' diberi label untuk neuron 17 di KCM. Kata kunci yang kemudian harus ditandai sebagai berikut: ... hMAPindex ¼ 17iknowledgeh = MAPI ... Ketika ada beberapa pilihan di KCM untuk kata kunci, kita hanya memilih neuron yang paling dekat dengan salah satu yang halaman ini diberi label. Kami kemudian dapat menemukan tema terkait dan halaman Web sesuai dengan indeks neuron ini. Untuk memfasilitasi perwakilan tersebut, perlu untuk merujuk baik KCM dan DCM. Pendekatan masuk akal adalah untuk menyertakan metadata tambahan yang mengarah ke KCM dan DCM sebagai berikut: