.png){kind=icon}
返回
A semantic-based deep learning framework for mathematical expression retrieval
.png){kind=icon}
PRE
AI
DOI：10.1007/s10115-026-02724-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数学表达式（MEs）具有复杂二维结构，其中符号可以出现在任意嵌套深度，如上标、下标、上方、下方等。由于MEs使用LaTeX等语言表示，文献中已应用基于字符串匹配、向量空间模型等方法解决ME检索问题。由于这些方法基于句法相似性，近期基于嵌入的深度学习方法被用于语义相似性。在本文工作中，我们专注于使用深度学习框架进行数学表达式检索。在我们的框架中，利用深度循环神经网络（DRNN）从MEs中提取语义特征，并使用这些特征进行匹配和检索。我们训练网络以执行辅助分类任务，该任务确定ME的复杂性。ME复杂性通过其嵌套深度进行量化。基于嵌套深度，我们将ME分为三类复杂性：Simple、Medium和Complex。训练网络后，提取最终全连接分类层前所有ME的输出。这些输出构成ME的语义特征，并存储在数据库中。对于给定的ME查询，使用训练好的DRNN计算其语义特征，并与语义特征数据库进行匹配。匹配基于标准欧氏距离进行，并检索前k个最近匹配项，其中k为用户定义参数。本框架已在包含829个ME的数据库上进行了演示。
Keyword:
Mathematical expression retrieval
Deep learning
Embedding
Recurrent neural network
Semantic similarity
期刊
IF:
3.1
论文数:
566
被引数:
5.2K
机构
引用论文
A string matching based algorithm for performance evaluation of mathematical expression recognition.png)
Sadhana
OAAI
SadhanaIF0
OAAI分享收藏Scientific Documents Retrieval Based on Graph Convolutional Network and Hesitant Fuzzy SetIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Multi-Modal Retrieval Model for Mathematical Expressions Based on ConvNeXt and Hesitant Fuzzy Set基于ConvNeXt和犹豫模糊集的多模态数学表达式检索模型Electronics
ElectronicsIF0
PREAI
分享收藏
查看更多内容