Аннотация:

Рассмотрена задача извлечения семантических связей между математическими формулами и концептами из неструктурированных PDF-документов, включая сканированные. Предложен сквозной конвейер обработки, объединяющий оптическое распознавание, восстановление структуры параграфов, выделение формул и переменных, а также их связывание с концептами на основе синтаксических шаблонов русского языка. Разработаны формальные модели для двух типов связей: «переменная – концепт» и «переменная – главная формула». Проведена экспериментальная оценка качества на коллекции из 150 математических статей; достигнуто повышение точности связывания на 18% по сравнению с предшествующей версией. Описаны архитектурные решения прототипа веб-сервиса, обеспечивающие асинхронную обработку и масштабируемость.

Аннотация: Предложен подход к интеллектуальному поиску сложных объектов в различных типах структурно размеченных текстов, который может быть применен для обработки Больших данных (Big Data). Исследуются два вида представления информационных объектов: реляционные базы данных (РБД), которые структурно размечены своими схемами, и полнотекстовые естественнонаучные документы, содержащие математические выражения (формулы). Для таких полнотекстовых документов предлагается дополнительная автоматизированная разметка для организации поиска формул. В обоих случаях источником информации для построения онтологии и, в дальнейшем, организации поиска являются тексты на естественном языке, которые относятся к слабоструктурированным данным. Для РБД это комментарии к наименованиям таблиц и их атрибутов, а для естественнонаучных документов (статей, монографий и т. д.) – текстовое содержимое размеченных документов.

Аннотация:

Дан обзор существующих решений по семантическому анализу математических документов, а также описан метод автоматического семантического анализа документов, представленных в формате PDF. Разработанный метод позволяет выделять математические формулы внутри документа, анализировать их структуру, выполнять поиск локальных переменных формулы и их определений в документе, а также связывать переменные формулы и понятия из онтологии. Преимуществом разработанного метода перед другими существующими является независимость от разметки исходного PDF-документа, что расширяет область применения метода. Приведены оценки полноты, точности и F-меры для алгоритмов поиска переменных и связывания локальных переменных с формулами. Полученная семантическая разметка документа позволяет создавать коллекции документов, пригодных для сервиса семантического поиска формул, который является одним из сервисов цифровой библиотеки Lobachevskii-DML.