利用机器学习发现与识别公式概念
信息检索
2023-03-21 v2 机器学习
摘要
基于引用的科学文献信息检索（IR）方法已被证明在学术学科（使用大量参考文献）的 IR 应用中有效，例如剽窃检测或文献推荐系统。在科学、技术、工程和数学领域，研究者常通过公式符号来引用先备知识中的数学概念。我们的长期目标是推广基于引用的 IR 方法，并将此推广方法应用于经典参考文献与数学概念。在本文中，我们提出数学公式应如何被引用，并定义了一个公式概念检索任务及其两个子任务：公式概念发现（FCD）与公式概念识别（FCR）。FCD 旨在定义并探索将公式的等价表示捆绑命名的“公式概念”，而 FCR 旨在将给定公式匹配到先前分配的唯一数学概念标识符。我们提出了基于机器学习的方法来处理 FCD 与 FCR 任务。随后我们在一个标准化测试集（NTCIR arXiv 数据集）上评估了这些方法。我们的 FCD 方法在检索常见公式的等价表示上达到了 68% 的准确率，并从周边文本中提取公式名称的召回率为 72%。FCD 与 FCR 使得数学文档中公式的引用成为可能，并促进语义搜索与问答，以及用于剽窃检测或推荐系统的文档相似度评估。
引用
@article{arxiv.2303.01994,
title = {Discovery and Recognition of Formula Concepts using Machine Learning},
author = {Philipp Scharpf and Moritz Schubotz and Howard S. Cohl and Corinna Breitinger and Bela Gipp},
journal= {arXiv preprint arXiv:2303.01994},
year = {2023}
}
备注
Accepted by Scientometrics (Springer) journal