【摘要】：數學表達式是科技信息交流的重要載體和科技文獻中的重要成分,但由于數學表達式有別于普通文本的特殊屬性,導致目前面向普通文本的檢索技術和搜索引擎難以實現(xiàn)以數學表達式為特征的科技文獻檢索,影響了科技信息的傳播與交流,是目前信息檢索與人工智能領域亟待解決的關鍵問題之一。針對上述問題,本文通過對科技文檔構成元素與結構的分析,研究、設計基于數學表達式特征的科技文檔檢索模型,實現(xiàn)以數學表達式為查詢語言的科技文檔檢索。首先,在科技文檔檢索特征的選擇與提取階段,提取科技文檔的重要信息并組織成文檔信息表及公式信息表;其次,在科技文檔索引階段,利用文檔特征信息和文檔內公式特征信息以及利用數學公式解析算法得到的數學表達式的子式信息,采用分層索引思想構建科技文檔索引表與子式索引表;然后,在檢索階段,根據數學查詢表達式的特征信息構建特征向量,設計了精確匹配、包含匹配和相似匹配等匹配模式檢索出符合要求的科技文檔結果集;最后,根據查詢項出現(xiàn)在文檔不同區(qū)域的重要程度以及與查詢式的匹配程度,結合tf-idf加權方法,采用余弦相似度進行科技文檔的相似度計算,得到有序的科技文檔檢索結果。實驗結果表明,該模型實現(xiàn)了以數學表達式為特征對科技文檔進行檢索的目標。
【圖文】：

2( ) 2mathQ a b n p q；成析取范式(1,0,1) (0,1,1) (1,1,1)mathQDNF ；文檔 A 和文檔 B 的三元組分別對應的是(1,1,0)和(1,1,1其匹配成功，作為結果集。間模型型[3,4]是上世紀 70 年代 Salton 等人提出來的檢索效果較檢索模型。檔1d 、2d 以及3d 含有索引項公式1T 、2T 以及3T ，查詢，其中文檔1d 、2d 以及3d 的權重分別為(2,3,5)，(3,73d 可以表示為1 1 2 3D 2T 3T 5T，2 1 2 3D 3T 7T T，2 D

圖 2 科技文檔檢索模型圖文檔特征的提取的資源信息的存儲形式可以分為兩類：第一類，將資源信息手動或自動的方式對其進行組織和管理；第二類，將資源信上，可以采用網絡爬蟲技術將資源站點上科技文檔的資源信進行組織和管理。學表達式解析式解析的目標是對數學表達式的特征信息進行提取。特征提準確地描述一個大型的數據集[45]。針對 LaTex 格式描述的數維文本形式的數學表達式進行分析和提取，得到數學表達式構。針對 MathML 格式描述的數學表達式解析的目標是對 X進行分析和提取，得到數學表達式的各種成分以及二維運算技文檔索引的構建
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.3

【參考文獻】

相關期刊論文 前2條

1 張明寶;米傳民;;一種改進的基于文檔結構的信息檢索方法[J];情報理論與實踐;2009年08期

2 盧托;于俊清;廖兆存;聶江;;基于Web的數學公式檢索系統(tǒng)設計與實現(xiàn)[J];微處理機;2008年02期

相關碩士學位論文 前10條

1 劉惠叢;基于互關聯(lián)后繼樹的數學表達式檢索模型[D];河北大學;2017年

2 李彬;基于SFE的LaTeX表達式檢索系統(tǒng)[D];河北大學;2017年

3 周南;基于層次結構特征的數學表達式檢索模型[D];河北大學;2016年

4 徐月霞;面向語義的數學公式N-grams索引結構研究[D];蘭州大學;2015年

5 李遠輝;數學表達式檢索系統(tǒng)的設計與實現(xiàn)[D];重慶大學;2014年

6 陶啟立;基于語義的科技文檔信息資源檢索系統(tǒng)的設計與實現(xiàn)[D];西北大學;2011年

7 劉志偉;數學搜索引擎研究[D];蘭州大學;2011年

8 劉東閣;基于MathML的公式檢索系統(tǒng)的設計與實現(xiàn)[D];東北大學;2009年

9 景珂;網絡數學搜索中的數學查詢語言與索引的研究[D];蘭州大學;2009年

10 盧托;科技文檔中數學公式的描述與檢索[D];華中科技大學;2007年

，

本文編號：2583351