面向数学公式检索的 PHOC 空间区域配置研究
信息检索
2024-08-20 v1
摘要
金字塔式字符直方图 (PHOC) 将符号的空间位置表示为二进制向量。这些向量由多个层级组成，每个层级将公式分割为一种或多种类型（例如，矩形或椭圆形）的等大小区域。对于每种区域类型，这会产生一个由重叠区域构成的金字塔，其中第一层包含整个公式，最后一层包含最细粒度的区域。在本工作中，我们引入了同心矩形作为区域类型，并通过从 PHOC 配置中省略层级来分析后续 PHOC 层级是否编码了冗余信息。作为基线，我们包含了一个仅含第一层全公式级别的词袋 PHOC。最后，利用 ARQMath-3 公式检索基准，我们证明原始 PHOC 配置中编码的某些层级是冗余的，具有矩形区域的 PHOC 模型优于早期的 PHOC 模型，并且尽管其结构简单，PHOC 模型却出人意料地与最先进技术具有竞争力。PHOC 并非数学专用，也可用于化学图表、统计图表或其他图形。
引用
@article{arxiv.2408.09283,
title = {A Study of PHOC Spatial Region Configurations for Math Formula Retrieval},
author = {Matt Langsenkamp and Bryan Amador and Richard Zanibbi},
journal= {arXiv preprint arXiv:2408.09283},
year = {2024}
}