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

1、數(shù)學公式廣泛存在于各類文獻之中。數(shù)學公式的識別就是將科學和工程文獻中的數(shù)學公式文件轉(zhuǎn)化成可編輯的公式文本的形式。這對于數(shù)學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)學公式進行文獻檢索等都有著極其重要的作用。但足公式的識別遠比漢字和英文字符的識別困難的多。1968年，R.H.ANDERSON在其博士論文中首次提出了公式識別問題。經(jīng)過30多年的研究，在這個領(lǐng)域出現(xiàn)了一些研究型論文，同時也出現(xiàn)了一些數(shù)學公式識別系統(tǒng)。本文對于數(shù)學公

2、式的識別，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，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，進而得到命令串。這個過程用于完成符號的識別，屬于微觀識別。然后，將得到的命令串進行結(jié)構(gòu)調(diào)整，實現(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，這個過程屬于宏觀識別。同時，簡要分析了一些復合公式的Latex文本化原理。文中給出了一些C++代碼，用于探索建