數(shù)學(xué)表達(dá)式檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)的發(fā)展,給信息的產(chǎn)生和傳播帶來了極大的便利。搜索引擎的出現(xiàn),在很大程度上解決的人們查找信息的困難。人們通過搜索引擎可以從互聯(lián)網(wǎng)上獲取到各方面的信息。然而,在數(shù)學(xué)表達(dá)式的搜索這個(gè)特定的領(lǐng)域,目前的基于文本檢索技術(shù)的搜索引擎還不能進(jìn)行有效的輸入和檢索。如何才能像檢索普通文本一樣檢索數(shù)學(xué)表達(dá)式,是目前信息檢索領(lǐng)域的需要解決的問題之一。
　　本論文利用成熟的文本檢索技術(shù),基于MathML數(shù)學(xué)描述語言,通過擴(kuò)展開源全文檢索框架Luce

2、ne使之適應(yīng)數(shù)學(xué)表達(dá)式檢索的方法來構(gòu)建數(shù)學(xué)表達(dá)式檢索原型系統(tǒng)FormulaSearch。論文主要開展以下工作:
　?、僬撐姆治隽藬?shù)學(xué)表達(dá)式檢索的一般模型和典型的數(shù)學(xué)表達(dá)式檢索系統(tǒng),在此基礎(chǔ)上,提出了數(shù)學(xué)表達(dá)式檢索系統(tǒng) FormulaSearch的總體架構(gòu)。FormulaSearch由輸入模塊、預(yù)處理模塊、索引模塊和檢索模塊等四大模塊組成。其中,輸入模塊主要完成數(shù)學(xué)表達(dá)式的輸入和數(shù)學(xué)表達(dá)式轉(zhuǎn)化為 MathML代碼;預(yù)處理模塊主要完成

3、數(shù)學(xué)表達(dá)式的提取和分詞;索引模塊主要完成倒排索引的構(gòu)建。檢索模塊主要完成數(shù)學(xué)表達(dá)式的檢索,結(jié)果的排序和高亮呈現(xiàn)。
　　②為了使Lucene對(duì)數(shù)學(xué)表達(dá)式這種高度結(jié)構(gòu)化的文本也有較好的的檢索效果,本文重新設(shè)計(jì)了針對(duì)數(shù)學(xué)表達(dá)式的Lucene分詞器。其設(shè)計(jì)思想是基于MathML文檔的DOM樹結(jié)構(gòu),將每一個(gè)子樹都看作是數(shù)學(xué)表達(dá)式的一個(gè)分詞結(jié)果。通過對(duì)DOM樹子樹的分析,得到數(shù)學(xué)表達(dá)式的分詞結(jié)果。
　　③為了檢索系統(tǒng)的實(shí)際需要,本文使用