數(shù)學表達式檢索系統(tǒng)的設計與實現(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)學表達式的搜索這個特定的領域,目前的基于文本檢索技術的搜索引擎還不能進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)學表達式,是目前信息檢索領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,基于MathML數(shù)學描述語言,通過擴展開源全文檢索框架Luce

2、ne使之適應數(shù)學表達式檢索的方法來構建數(shù)學表達式檢索原型系統(tǒng)FormulaSearch。論文主要開展以下工作:
　?、僬撐姆治隽藬?shù)學表達式檢索的一般模型和典型的數(shù)學表達式檢索系統(tǒng),在此基礎上,提出了數(shù)學表達式檢索系統(tǒng) FormulaSearch的總體架構。FormulaSearch由輸入模塊、預處理模塊、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)學表達式的輸入和數(shù)學表達式轉化為 MathML代碼;預處理模塊主要完成

3、數(shù)學表達式的提取和分詞;索引模塊主要完成倒排索引的構建。檢索模塊主要完成數(shù)學表達式的檢索,結果的排序和高亮呈現(xiàn)。
　　②為了使Lucene對數(shù)學表達式這種高度結構化的文本也有較好的的檢索效果,本文重新設計了針對數(shù)學表達式的Lucene分詞器。其設計思想是基于MathML文檔的DOM樹結構,將每一個子樹都看作是數(shù)學表達式的一個分詞結果。通過對DOM樹子樹的分析,得到數(shù)學表達式的分詞結果。
　?、蹫榱藱z索系統(tǒng)的實際需要,本文使用