数学信息检索中公式嵌入的初步探索：数学公式能否像自然语言一样被嵌入？
信息检索
2017-08-30 v2
摘要
虽然神经网络方法在自然语言相关领域正取得突破性性能，但在数学语言相关任务上类似的尝试寥寥无几。在本研究中，我们探索将神经表示技术应用于数学信息检索（MIR）任务的潜力。更具体地，我们首先简要分析自然语言与数学语言之间的特征差异。随后，我们设计一种“symbol2vec”方法来学习公式符号（数字、变量、运算符、函数等）的向量表示。最后，我们提出一种基于“formula2vec”的MIR方法并评估其性能。初步实验结果表明，将公式嵌入模型应用于数学语言表示与MIR任务具有可观的潜力。
引用
@article{arxiv.1707.05154,
title = {Preliminary Exploration of Formula Embedding for Mathematical Information Retrieval: can mathematical formulae be embedded like a natural language?},
author = {Liangcai Gao and Zhuoren Jiang and Yue Yin and Ke Yuan and Zuoyu Yan and Zhi Tang},
journal= {arXiv preprint arXiv:1707.05154},
year = {2017}
}
备注
CIKM 2017 Workshop on Interpretable Data Mining (IDM): Bridging the Gap between Shallow and Deep Models