基于LaTex的Web数学公式提取方法研究-论文.pdf

《基于LaTex的Web数学公式提取方法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第6期计算机科学VoI．41NO．62014年6月ComputerScienceJune2014基于LaTex的Web数学公式提取方法研究陈立辉苏伟蔡川陈晓云(兰州大学信息科学与工程学院兰州730000)摘要数学论坛、wiki等社会性网站对数学教育的影响日益增长，数学公式广泛存在这些网站中，如何时这些网站中的数学公式进行搜索，对学习和科研非常重要。数学公式提取是索引系统的前提和基础，文中主要研究LaTex格式的数学公式的提取方法，结合BNF表述方式，提出自动分析提取包含LaTex公式特征的方法。依据公式包含的特征

2、，提出提取和过滤LaTex数学公式的方法规则。通过实验发现，该方法的查全率达到75，查准率达到99。关键词数学公式，LaTex，查准率，查全率，主题爬虫，搜索引擎中图法分类号TP311文献标识码AResearchofExtractionMethodofWebMathematicalFormulaBasedonLaTexCHENLi-huiSUWeiCAIChuanCHENXiao-yun(SchoolofInformationScienceandEngineering，LanzhouUniversity，Lanzhou7

3、30000，China)AbstractTheinfluenceofWiki，mathematicsforumandothersocia1networkingsitesonthemathematicseducationfieldisgrowing．Mathematicalformulasexistwidelyinthesewebsites．Howtosearchthemathematicalformulasofthesewebsitesisveryimportantforstudyandresearch．Theextra

4、ctionofmathematicalformulasisthepremiseandfoundationoftheindexingsystem．ThispapermainlystudiedtheformatoftheLaTexmathematicalformulas，andpre-sentedtheautomaticanalysisextractionmethodofWebmathematicalformulasbasedonLaTexthroughtheBNFpara—digm．Accordingtofeaturest

5、heformulascontain，thepaperproposedthemethodofextractionandfiltrationofLaTexmathematicalformula．Theexperimentdiscoversthatthefecal1rateteaches75％andtheprecisionratecomesto99usingthismethod．KeywordsMathematicalformula，LaTex，Precision，Recall，Topiccrawler，Searchengin

6、e机学家LeslieLamport在2O世纪8O年代初期开发的。利用1引言这种格式，即使使用者没有排版和程序设计的知识也可以充随着计算机的不断普及，出现了互联网的高速发展和分发挥由TeX所提供的强大功能。LaTex强大而优美的公Web信息的爆炸式增长。用户如何从海量信息中查找所需式排版和渲染具有简洁、成熟和通用等优点。LaTex在渲染要的信息，是搜索引擎解决的关键问题。目前，文本搜索引擎成图片之前本身是文本形式，不仅可以把数学公式应用在已较为成熟，从本地的文件搜索到互联网上信息的搜索，文本LaTex文档排版中，也能够将L

7、aTex应用于互联网页面数学搜索已被用户广泛应用。公式显示。LaTex数学公式中的数学结构主要包括分数、方数学是科学的工具，数学信息广泛存在于各种文献资料根、指数与指标、域以及常用的数学修饰符等。中，在教育教学和科学研究中起着非常重要的作用，而数学是现今流行的搜索引擎如Baidu、Google等尚不支持数学借助数学公式来进行描述和表现的。网络与人们的关系越来公式方面的搜索，而具有数学搜索_4]能力的搜索引擎有越紧密，数学论坛、Wiki~,23等社会性网站在社会、经济、文化MathWebSearch、EgoMathMath

8、Search、MathDexLeActive—和教育方面都具有重大的影响和重要的意义。在Web中，数Math、DLMFSearch等。学论坛、Wiki等社会性网站包含着大量的数学公式，如何提MathWebSeareh：。是一个基于ContentMathML的数学取这些公式则显得尤为重要。web中数学公式描述格式包搜索