ron. On the other hand, a small nor

ron. On the other hand, a small norm indicates that the neuron just recognizes few keywords as important. We should set the thresh-old to a smaller value to allow adequate number of keywords being labeled. According to above realization, we use the following equa¬tion to determine the threshold value:
sK ¼ bkwjk; ð4Þ
where b is a scale factor and kwjk is the norm of wj. Note that the threshold sK could be different for different neurons.
4. Metadata and tags generation
In this work, two kinds of annotations, namely the metadata and the tags, will be added to a ordinary Web page. In this section we will describe the methods to generate such annotations. We will first develop a method to generate an ontology according to the generated feature maps as described in Section 3.
4.1. Ontology generation
To enrich a Web page with semantic information, an under-standing of the meaning of the page itself and its relationships to other Web pages will help a lot. In many cases the meaning (or semantics) of a Web page could be represented by its themes, which are generally represented by one or more keywords. Mean-while, the relationships between Web pages could be approxi¬mated by the relationships between their themes. Therefore, identification of the themes of a Web page and the relationships between these themes is the foundation of annotated Web pages. When these kinds of knowledge have been identified, we actually obtain an ontology. In this subsection, we will develop a method to construct an ontology that will be used to generate metadata and tags for Web pages.
An ontology consists of a set of concepts along with the rela-tionships between them. Here we let the concepts be those key-words labeled on KCM since these keywords are considered important. The relationships between them could be revealed by the locations of their labeled neurons. Since SOM preserves the topology of the training feature space, nearby neurons in the trained map should be similar. Therefore, keywords labeled on nearby neurons should be related. We decide to build relationships among neurons that are close enough, i.e. within a certain distance. The distance between two neurons here is composed by their geometrical distance and their semantic distance. The geometrical distance measures the Euclidean distance between the coordinates of these neurons in the map. For example, for a square formation of J neurons, the coordinate of neuron j should be ðjx; jyÞ ¼
~ ~p
p fffi fffi
j= J ; j%J , wherejx andjy denote the x andy coordinates of this neuron in the map. Similar definitions of coordinates should be applied to other types of map formation. The geometrical distance between neuronj and k is defined as follows:

Results (Indonesian) 1:

Ron. Di sisi lain, norma kecil menunjukkan bahwa neuron hanya mengakui beberapa kata kunci penting. Kita harus menetapkan lama-thresh ke nilai lebih kecil untuk memungkinkan memadai jumlah kata kunci yang diberi label. Menurut di atas realisasi, kita menggunakan equa¬tion berikut untuk menentukan nilai batas:bkwjk sK ¼; ð4Þmana b adalah faktor skala dan kwjk adalah norma wj. Perhatikan bahwa ambang sK bisa jadi berbeda untuk neuron yang berbeda.4. Metadata dan tag generasiDalam karya ini, dua jenis anotasi, yaitu metadata dan tag, akan ditambahkan ke halaman Web biasa. Pada bagian ini kami akan menjelaskan metode untuk menghasilkan anotasi tersebut. Kami pertama akan mengembangkan metode untuk menghasilkan ontologi menurut peta dihasilkan fitur seperti yang dijelaskan dalam bagian 3.4.1. ontologi generasiUntuk memperkaya halaman Web dengan semantik informasi, berdiri bawah arti dari halaman itu sendiri dan hubungan ke halaman Web lainnya akan membantu banyak. Dalam banyak kasus makna (atau semantik) dari suatu halaman Web dapat dilambangkan oleh tema nya, yang umumnya diwakili oleh satu atau beberapa kata kunci. Berarti-sementara, hubungan antara halaman Web dapat menjadi approxi¬mated oleh hubungan antara tema mereka. Oleh karena itu, identifikasi tema halaman Web dan hubungan antara tema-tema ini adalah dasar beranotasi halaman Web. Ketika jenis pengetahuan yang telah diidentifikasi, kita benar-benar mendapatkan ontologi. Dalam subbab ini, kami akan mengembangkan metode untuk membangun ontologi yang akan digunakan untuk menghasilkan metadata dan tag untuk halaman Web.Ontologi terdiri dari serangkaian konsep-konsep bersama dengan Real-tionships antara mereka. Di sini kita membiarkan konsep menjadi kata kunci label pada KCM karena kata kunci ini dianggap penting. Hubungan antara mereka bisa diungkapkan oleh lokasi neuron berlabel mereka. Karena SOM memelihara topologi pelatihan fitur ruang, terdekat neuron di peta terlatih harus sama. Oleh karena itu, kata kunci yang berlabel pada neuron terdekat harus berkaitan. Kami memutuskan untuk membangun hubungan antara neuron yang cukup, dekat yaitu dalam jarak tertentu. Jarak antara dua neuron di sini terdiri oleh jarak mereka geometris dan jarak mereka semantik. Jarak geometris mengukur jarak Euclidean antara koordinat neuron-neuron ini dalam peta. Misalnya, untuk pembentukan persegi J neuron, koordinat neuron j harus ðjx; jyÞ ¼~ ~ pp fffi fffij = J; j %J, wherejx andjy menunjukkan x andy koordinat penyakit syaraf ini dalam peta. Serupa definisi koordinat harus diterapkan untuk jenis lain dari peta pembentukan. Geometris jarak antara neuronj dan k didefinisikan sebagai berikut:

Results (Indonesian) 2:

ron. Di sisi lain, norma kecil menunjukkan bahwa neuron hanya mengakui beberapa kata kunci penting. Kita harus mengatur thresh-tua untuk nilai yang lebih kecil untuk memungkinkan jumlah yang memadai dari kata kunci dicap. Menurut realisasi di atas, kita menggunakan equa¬tion berikut untuk menentukan nilai threshold:
sk ¼ bkwjk; ð4Þ
mana b adalah faktor skala dan kwjk adalah norma wj. Perhatikan bahwa ambang SK bisa berbeda untuk neuron yang berbeda.
4. Metadata dan tag generasi
Dalam karya ini, dua jenis penjelasan, yaitu metadata dan tag, akan ditambahkan ke halaman Web biasa. Pada bagian ini kita akan menjelaskan metode untuk menghasilkan penjelasan tersebut. Kami pertama kali akan mengembangkan metode untuk menghasilkan ontologi menurut peta fitur yang dihasilkan seperti yang dijelaskan dalam Bagian 3.
4.1. Generasi ontologi
Untuk memperkaya halaman Web dengan informasi semantik, sebuah bawah-berdiri dari makna halaman itu sendiri dan hubungan ke halaman Web lain akan membantu banyak. Dalam banyak kasus makna (atau semantik) dari halaman Web dapat diwakili oleh tema, yang umumnya diwakili oleh satu atau beberapa kata kunci. Mean-sementara, hubungan antara halaman Web dapat approxi¬mated oleh hubungan antara tema mereka. Oleh karena itu, identifikasi tema halaman Web dan hubungan antara tema-tema ini adalah dasar dari halaman Web dijelaskan. Ketika jenis pengetahuan telah diidentifikasi, kita benar-benar mendapatkan ontologi. Dalam ayat ini, kita akan mengembangkan sebuah metode untuk membangun ontologi yang akan digunakan untuk menghasilkan metadata dan tag untuk halaman Web.
Sebuah ontologi terdiri dari serangkaian konsep bersama dengan rela-tionships antara mereka. Di sini kita membiarkan konsep menjadi orang kunci-kata label pada KCM karena kata kunci ini dianggap penting. Hubungan antara mereka bisa terungkap dengan lokasi neuron mereka berlabel. Sejak SOM mempertahankan topologi ruang fitur pelatihan, neuron di dekatnya di peta dilatih harus serupa. Oleh karena itu, kata kunci berlabel pada neuron di dekatnya harus berhubungan. Kami memutuskan untuk membangun hubungan antara neuron yang cukup dekat, yaitu dalam jarak tertentu. Jarak antara dua neuron di sini terdiri oleh jarak geometris dan jarak semantik mereka. Jarak geometris mengukur jarak Euclidean antara koordinat neuron ini di peta. Misalnya, untuk formasi persegi J neuron, koordinat neuron j harus DJX; jyÞ ¼
~ ~ p
p fffi fffi
j = J; j% J, wherejx andjy menunjukkan x andy koordinat neuron ini di peta. Definisi serupa koordinat harus diterapkan untuk jenis lain dari pembentukan peta. Jarak geometris antara neuronj dan k didefinisikan sebagai berikut: