基于Lucene框架的Latex數(shù)學(xué)公式檢索研究.pdf

1、數(shù)學(xué)公式是一種特殊的符號(hào)表達(dá)方式，是一種非線性結(jié)構(gòu)的符號(hào)描述，在一些科技文檔中，它能使文章展現(xiàn)出更加清晰的邏輯關(guān)系。如何像普通文本一樣，實(shí)現(xiàn)對(duì)數(shù)學(xué)公式的檢索，是目前信息檢索領(lǐng)域的課題之一。
　　本文采用Lucene框架，研究基于Latex公式語言的數(shù)學(xué)公式檢索系統(tǒng)。首先，選擇Latex作為數(shù)學(xué)公式的描述語言，通過對(duì)Latex語言進(jìn)行詳細(xì)解析，構(gòu)建針對(duì)數(shù)學(xué)公式的分析器，該分析器分別按照公式中的普通字符集、公式中的特殊字符集進(jìn)行構(gòu)建，

2、公式中的特殊字符集中又細(xì)分為函數(shù)、運(yùn)算符、公式同義符號(hào)等。根據(jù)傳統(tǒng)的分詞算法，實(shí)現(xiàn)針對(duì)數(shù)學(xué)公式的拆分算法和對(duì)Latex數(shù)學(xué)公式的解析；其次，基于Lucene框架構(gòu)建Latex數(shù)學(xué)公式的預(yù)處理模塊、索引模塊以及搜索模塊，其中預(yù)處理模塊的主要功能是進(jìn)行公式格式轉(zhuǎn)換，使之成為Lucene可處理的文本文件類型；索引模塊根據(jù)以運(yùn)算為主線的按層次分類的索引方法創(chuàng)建索引；搜索模塊采用Lucene中的模糊查詢，提高了檢索系統(tǒng)的查全率。基于Lucene框