[2L1] 自然言語処理-情報抽出

[2L1-04] 数学用語をクエリとするWeb上のPDF文書を対象とした数式検索

〇山田 奉子¹、村上 晴美¹ (1. 大阪市立大学)

キーワード：数学情報検索、数式画像、Web検索

Web上の数式は自然言語で注釈をつけられていないので，通常の検索エンジンを用いて検索をすることは難しい．提案手法は，数学用語をクエリとしてWeb検索を行い，得られたPDF文書からクエリに関連する数式を抽出するものである．先ず，PDFをTeXに変換後，TeXの数式記述から画像を作成し画像特徴量を得る．この画像特徴量を用いて，数式とクエリとの関連をSVMで判定する．PDFのみ，HTMLのみ，及び両方を用いて比較実験を行った．実験の結果，MRRにおいて，PDFとHTMLの両方を用いた値が最も良かった．