基于掃描表方法和命令串方法的數(shù)學(xué)公式識(shí)別與文本轉(zhuǎn)化的理論研究.pdf

1、數(shù)學(xué)公式廣泛存在于各類文獻(xiàn)之中。數(shù)學(xué)公式的識(shí)別就是將科學(xué)和工程文獻(xiàn)中的數(shù)學(xué)公式文件轉(zhuǎn)化成可編輯的公式文本的形式。這對(duì)于數(shù)學(xué)資料的高比例壓縮和快速利用、建立數(shù)字化圖書館以及按照數(shù)學(xué)公式進(jìn)行文獻(xiàn)檢索等都有著極其重要的作用。但足公式的識(shí)別遠(yuǎn)比漢字和英文字符的識(shí)別困難的多。1968年，R.H.ANDERSON在其博士論文中首次提出了公式識(shí)別問題。經(jīng)過30多年的研究，在這個(gè)領(lǐng)域出現(xiàn)了一些研究型論文，同時(shí)也出現(xiàn)了一些數(shù)學(xué)公式識(shí)別系統(tǒng)。本文對(duì)于數(shù)學(xué)公

2、式的識(shí)別，提出了基于掃描表方法和命令串方法的理論。通過掃描圈的提取函數(shù)，所有的連筆符號(hào)，即幾何圈都可以迅速轉(zhuǎn)化為數(shù)字串，利用掃描表提取函數(shù)將數(shù)字串轉(zhuǎn)換成掃描鏈與掃描陣的組合，進(jìn)而得到命令串。這個(gè)過程用于完成符號(hào)的識(shí)別，屬于微觀識(shí)別。然后，將得到的命令串進(jìn)行結(jié)構(gòu)調(diào)整，實(shí)現(xiàn)公式文件的文本化，擬得到的可編輯文本是Latex格式的文本，這個(gè)過程屬于宏觀識(shí)別。同時(shí)，簡(jiǎn)要分析了一些復(fù)合公式的Latex文本化原理。文中給出了一些C++代碼，用于探索建