基于数学文本和表达式转换的融合检索模型

doi:10.19678/j.issn.1000-3428.0052686

计算机工程 ›› 2019, Vol. 45 ›› Issue (3): 175-181,187. doi: 10.19678/j.issn.1000-3428.0052686

基于数学文本和表达式转换的融合检索模型

张倩倩,田学东,杨芳,李新福

河北大学网络空间安全与计算机学院,河北保定 071002

收稿日期:2018-09-17 出版日期:2019-03-15 发布日期:2019-03-15
作者简介:张倩倩(1993—),女,硕士研究生,主研方向为信息检索;田学东(通信作者),教授、博士;杨芳,博士;李新福,教授、博士。
基金资助:
国家自然科学基金(61375075);河北省教育厅河北省高等学校科学技术研究重点项目(ZD2017208,ZD2017209);河北大学“一省一校”项目。

Integration Retrieval Model Based on Transformation of Mathematical Text and Expression

ZHANG Qianqian,TIAN Xuedong,YANG Fang,LI Xinfu

School of Cyber Security and Computer,Hebei University,Baoding,Hebei 071002,China

Received:2018-09-17 Online:2019-03-15 Published:2019-03-15

摘要/Abstract

摘要：

数学信息检索中查询式和检索结果以数学表达式为主,忽略了文档中数学文本语义。为此,提出一种融入数学文本特征的数学表达式检索模型。对中文科技文档进行遍历提取数学文本,利用数学字典将其映射为LaTeX数学表达式,并转化为二叉树结构。在此基础上,构建数学表达式索引,设计匹配算法,从而实现数学文本和表达式检索。实验结果表明,该方法提高了数学检索系统的检索效率。

关键词: 数学信息检索, 数学文本, 数学表达式, 词典, 索引

Abstract:

The query and retrieval results in Mathematical Information Retrieval(MIR) are mainly mathematical expressions,ignoring the semantics of mathematical texts in documents.Therefore,a mathematical expression retrieval model incorporating mathematical text features is proposed.The mathematical text is extracted by traversing Chinese scientific and technical documents.Mathematical dictionaries are used to map mathematical texts into LaTeX mathematical expressions and converted into binary tree structures.On this basis,the mathematical expression index is constructed and the matching algorithm is designed to realize the mathematical text and expression retrieval.Experiments show that the method improves the retrieval performance of the mathematical retrieval system.

Key words: Mathematical Information Retrieval(MIR), mathematical text, mathematical expression, dictionary, index

中图分类号:

TP399

张倩倩,田学东,杨芳,李新福. 基于数学文本和表达式转换的融合检索模型[J]. 计算机工程, 2019, 45(3): 175-181,187.

ZHANG Qianqian,TIAN Xuedong,YANG Fang,LI Xinfu. Integration Retrieval Model Based on Transformation of Mathematical Text and Expression[J]. Computer Engineering, 2019, 45(3): 175-181,187.

http://www.ecice06.com/CN/Y2019/V45/I3/175

参考文献

［1］MIUTKA J,GALAMBO L.System description:EgoMath2 as a tool for mathematical searching on Wikipedia.org［C］//Proceedings of International Conference on Intelligent Computer Mathematics.Berlin,Germany:Springer,2011:307-309.
［2］HAMBASAN R,KOHLHASE M,PRODESCU C.MathWebSearch at NTCIR-11［EB/OL］.［2018-08-06］.http://pdfs.semanticscholar.org/2363/d0de40fbf3cf8ba384689487c345c2cf68d8.pdf.
［3］HU X,GAO L C,LIN X Y,et al.WikiMirs:a mathematical information retrieval system for Wikipedia［C］//Proceedings of the 13th ACM/IEEE-CS Joint Conference on Digital Libraries.New York,USA:ACM Press,2013:11-20.
［4］LIN X Y,GAO L C,HU X,et al.A mathematics retrieval system for formula in layout presentations［C］//Proceedings of the 37th International ACM SIGIR Conference on Research and Development in Information Retrieval.New York,USA:ACM Press,2014:697-706.
［5］SOJKA P,LA M.Indexing and searching mathematics in digital libraries［C］//Proceedings of Intelligent Computer Mathematics.Berlin,Germany:Springer,2011:228-243.
［6］STALNAKER D,ZANIBBI R.Math expression retrieval using an inverted index over symbol pairs［EB/OL］.［2018-08-06］.https://www.cs.rit.edu/~rlaz/files/drr-stalnaker2015-revised.pdf.
［7］李志伟.数学搜索引擎研究［D］.兰州:兰州大学,2011.
［8］刘惠丛,田冰洁,田学东.基于互关联后继树的数学表达式检索［J］.计算机工程,2017,43(6):129-135.
［9］PATTANIYIL N,ZANIBBI R.Combining TF-IDF text retrieval with an inverted index over symbol pairs in math expressions:the tangent math search engine at NTCIR 2014［EB/OL］.［2018-08-06］.https://www.cs.rit.edu/~rlaz/files/NTCIR_RIT_revised.pdf.
(下转第187页)
(上接第181页)
［10］KIM S,YANG S,KO Y.Mathematical equation retrieval using plain words as a query［C］//Proceedings of the 21st ACM International Conference on Information and Knowledge Management.New York,USA:ACM Press,2012:2407-2410.
［11］LA M,SOJKA P.Combining text and formula queries in math information retrieval:evaluation of query results merging strategies［C］//Proceedings of the 1st International Workshop on Novel Web Search Interfaces and Systems.New York,USA:ACM Press,2015:7-9.
［12］STATHOPOULOS Y,TEUFEL S.Mathematical information retrieval based on type embeddings and query expansion［EB/OL］.［2018-08-06］.https://www.aclweb.org/anthology/C/C16/C16-1221.pdf.
［13］PATHSK A,PAKRAY P,SARKAR S,et al.MathIRs:retrieval system for scientific documents［J］.Computación Y Sistemas,2017,21(2):253-265.
［14］贺海涛,郑山红,李万龙,等.基于关联规则和语义规则的本体概念提取研究［J］.吉林大学学报(信息科学版),2014,32(6):657-663.
［15］刘剑,唐慧丰,刘伍颖.一种基于统计技术的中文术语抽取方法［J］.中国科技术语,2014(5):10-14.
［16］刘群,张华平.基于层叠隐马模型的汉语词法分析［J］.计算机研究与发展,2004,41(8):1421-1429.
［17］周浪,张亮,冯冲,等.基于词频分布变化统计的术语抽取方法［J］.计算机科学,2009,36(5):177-180.
［18］董洋溢,李伟华,于会.文本特征和复合统计量的领域术语抽取方法［J］.西北工业大学学报,2017,35(4):729-735.
［19］任禾,曾隽芳.一种基于信息熵的中文高频词抽取算法［J］.中文信息学报,2006,20(5):40-43,90.
［20］李丽双,王意文,黄德根.基于信息熵和词频分布变化的术语抽取研究［J］.中文信息学报,2015,29(1):82-87.
［21］何思谦,刘绍学,朱元森,等.数学辞海［M］.太原:山西教育出版社,2002.
［22］秦玉平,唐亚伟,伦淑娴,等.一种基于二叉树的数学公式匹配算法［J］.计算机科学,2013,40(5):251-252,278.
［23］LaTeX search［EB/OL］.［2018-08-06］.http://www.latexsearch.com/.

[1]	高峰, 李秋, 顾进广. 基于图结构特征采样数据摘要的联邦知识图谱查询[J]. 计算机工程, 2023, 49(1): 73-81.
[2]	薛振宇, 线岩团, 余正涛, 高盛祥, 普浏清. 融合词典与对抗迁移的越南语事件实体识别[J]. 计算机工程, 2022, 48(3): 107-114,145.
[3]	白梅, 苌仕涵, 王习特. 基于位置的路网Skyline查询处理研究[J]. 计算机工程, 2022, 48(1): 127-134.
[4]	夏磊, 杨华, 宋玉蓉. 多用户载波索引差分混沌移位键控通信系统及性能分析[J]. 计算机工程, 2021, 47(5): 181-188.
[5]	蔡瑞初, 林峰极, 郝志峰, 王立, 温雯. 面向轨迹流数据的索引构建与存储方法研究[J]. 计算机工程, 2021, 47(3): 62-70.
[6]	顾岩, 赵崇宇, 黄平. 基于高阶统计信息的深度哈希学习模型[J]. 计算机工程, 2020, 46(7): 260-267,276.
[7]	徐以聪, 田学东, 左丽娜. 基于运算符信息的数学表达式检索方法[J]. 计算机工程, 2020, 46(4): 77-84.
[8]	周骑骏, 王鹏, 汪卫. DSI:一种基于动态分段的时间序列查询索引[J]. 计算机工程, 2020, 46(2): 88-95.
[9]	张浩盛伦,李翀,柯勇,张士波. 一种分布式用户浏览点击模型算法[J]. 计算机工程, 2019, 45(3): 1-6.
[10]	张伟,王志杰. 分布式环境下时态大数据的连接操作研究[J]. 计算机工程, 2019, 45(3): 20-25,31.
[11]	孙小虎, 韩文军, 潘娟, 许刚. 基于聚合与动态调度的变电站三维可视化研究[J]. 计算机工程, 2019, 45(12): 300-307.
[12]	曾梦琪, 马蔚吟, 李力. 基于混合相似度的高效图像检索方案[J]. 计算机工程, 2019, 45(11): 262-268.
[13]	陈军晓, 李中升, 刘逸敏, 李秋虹, 汪卫. 基于MapReduce的时间序列索引与批量查询技术[J]. 计算机工程, 2019, 45(11): 47-53.
[14]	杨正龙, 高建华. 基于蜕变测试的面向用户搜索引擎性能分析[J]. 计算机工程, 2019, 45(10): 52-56,63.
[15]	汤佳,龚奕利,李文海. 一种基于GPU的KNN动态扩展查询策略[J]. 计算机工程, 2018, 44(6): 1-7.

选择文件类型/文献管理软件名称

选择包含的内容

基于数学文本和表达式转换的融合检索模型

Integration Retrieval Model Based on Transformation of Mathematical Text and Expression

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于数学文本和表达式转换的融合检索模型

Integration Retrieval Model Based on Transformation of Mathematical Text and Expression

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价