现有数学搜索引擎对比复习课程.ppt

《现有数学搜索引擎对比复习课程.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、现有数学搜索引擎对比MathSearch的设计思想Mathsearch利用一系列爬虫进程从网络上收集信息，并判断其是否含有数学相关的内容，如果有则开始下载相应的文档，并从文档中提取所需数学公式、数学符号或数学相关内容。为了同时支持基于数学显示方式的查询和基于数学公式语义的查询，Mathsearch为这些公式、符号和数学内容分别建立面向数学公式显示的Presentation索引和面向数学公式语义的Content索引。用户表达查询需求时，既可以通过所见即所得的GUI窗口输入要搜索的内容，也可以直接输入数学查询语言MQL来表达搜索需求。MathSearch对MQL进行解析，查找相应的数学内

2、容，通过合理的算法对这些网页连接建立PageRank，将结果排序显示，并将查找内容突出显示。MathSearch的设计思想（续）图：MathSearch设计思想MathSearch的研究内容（１）数学搜索数据源的界定及表达方式之间的转换研究MathSearch搜索数学公式的主要搜索目标格式为MathML格式，OpenMath格式，中缀格式以及LaTex格式。这几种格式在表示方法上存在较大差异，MathSearch主要研究不同格式的数学公式的等价性及它们之间的相互转换方法。MathSearch在数学公式编辑器MathEdit基础上研究数学公式转换器，针对目前Web中比较常见的数学公式标

3、记语言MathML，OpenMath，LaTex和Infix进行转换，采用标准的JavaScript，DOM及XSL实现，提供可视化的图形界面，方便用户编辑、转换和提取负责的数学公式。该研究可以有效应用于网络数学搜索引擎中。MathSearch的研究内容（2）数学公式查询语言的研究数学搜索引擎的关键在于查询，在数学信息检索系统中，定义一种直观的通用的有力的查询表达方式是一项重点研究内容。MathSearch使用了一种基于MathML格式的扩展表达方式作为数学查询语言，通过该查询语言用户可以有效便利地对查询需求进行描述。该查询语言除支持常规结构化查询需求描述外，还支持组合查询表达和抽象

4、查询表达，增强了查询表达力度。MathSearch的研究内容（3）数学公式索引的研究索引是针对顺序查找的低效率而创建的一种方法。索引是指能把一个关键码与它对应的数据记录的信息相关联的一种数据结构。由于数学公式本身往往具有丰富的语义和特定的结构，当前数学搜索主要研究以数学公式的布局特征和语法结构进行的搜索。目前，索引技术主要有以下三种：倒排索引、后缀数组和签名文件。其中，倒排索引技术是当前大多数的信息检索系统中采用的索引建立技术，它对于关键词的搜索非常有效。为了兼顾数学公式的显示和语义，MathSearch提出同时为数学公式建立面向公式结构的Presentation索引和面向公式语义的

5、Content索引。在建立基于数学公式语义的Content索引时，为了增强语义支持，对于网络爬虫搜集到的每一数学公式，要首先对其进行相应规范化。为了实现细粒度的数学公式查询，对于网络爬虫搜集到的每一数学公式，要分为若干N-grams的数学子公式，并对每一子公式按照权重计算方法赋予一定权重并建立索引。另外，为了增强数学搜索系统的语义支持，对于Content索引内容，还要连接到计算机代数系统进行计算转化，并对所有计算结果赋予一定权重并建立索引。在建立基于数学公式结构的Presentation索引时，由于PresentationMathML表示的数学公式不同于ContentMathML表示

6、的数学公式，它们本身不包含语义信息，也无法从语义层面进行数学子公式划分。因而，在建立Presentation索引时，重点考虑数学公式的布局及显示方式，因而直接按其本身字面建立索引。MathSearch的研究内容（4）数学搜索系统性能与质量的研究搜索引擎提供的结果集中页面质量的好坏以及高质量的页面能否在结果集中有较好的排名，对搜索引擎用户来说具有重要意义，同时也是衡量搜索引擎技术优劣的关键指标，所以对页面进行重要性评估并按重要性排序是搜索引擎要解决的技术核心。在数学搜索中，要考虑的一个重要问题是相关度Relativity。相关度是指检索出的内容与查询条件之间的匹配程度。因此，加入以下两

7、个方面的因素的考虑：第一，在数学公式中，不同的数学符号、数学公式具有不同的重要度。第二，对于同一公式，有时具有多种语义，多种表示方式和多个计算结果。另一方面，在搜索时为了明确用户需求，系统可以针对不同的用户记录历史操作，以跟踪用户行为，总结用户偏好，建立用户日志。使得在下一次搜索中可以根据用户的习惯搜索并显示可能符合用户意图的相关结果。MathSearch的研究内容（5）搜索结果的返回显示研究搜索引擎强调命中显示、突出查询关键项显示的主要目的是便于用户查看