分类:方程识别eq2vec

研究背景

一篇文章经常会有一些方程，展示了文章的主要技术或者主要研究问题。但是，就算相同的方程，其所用的变量符号可能并不是完全一样。问题一，我们能不能把这样的实际上相同，但是看起来不同的方程识别出来？以及反过来，两个看起来很像的方程，其实不同。假设解决了这个问题，我们可以更好地建立文章之间的依赖关系，尤其是概念层面的依赖关系。另外，假设解决了这个问题，没准我们还可以做一个方程检索器，把用相同方程的文章都列出来。

怎么做？

可能的方法

首先，假设所有的公式都已经标准化成为latex。如果是图片，假设已经通过类似mathpix^[1]的方法得到latex。latex公式可能需要标准化，例如加入latex符号之间的空格、多用{}之类的来对单元分割等。

接着，得到latex公式以后，应用word-level或者character-level的word2vec(或者其他矢量化方法)，得到每一个数学符号的矢量，以及整个公式的矢量。然后，通过聚类或者直接相似性检验来做公式的认同。具体可以参考atom2vec方法^[2]引用错误：没有找到与</ref>对应的<ref>标签 ^{[2] [3]} </references>