数学语言处理计划
Mathematical Language Processing Project
摘要：
在自然语言中，词和短语本身就隐含着语义。相比之下，数学公式中标识符的含义是未定义的。因此，科学家必须研究上下文来解码含义。数学语言处理（MLP）项目旨在支持这一过程。在本文中，我们比较了两种发现标识符定义元组的方法。首先，我们使用一个简单的模式匹配方法。其次，我们提出的MLP方法，使用部分的语音标记的距离以及句子的位置来计算标识符定义的概率。我们的原型系统，应用于维基百科的文本语料库的评估表明，我们的方法大大增强了用户体验。在公式中悬停标识符时，会出现具有最可能定义的工具提示。使用随机样本进行的测试表明，显示的定义与标识符的实际含义非常匹配。
英文摘要：
In natural language, words and phrases themselves imply the semantics. In contrast, the meaning of identifiers in mathematical formulae is undefined. Thus scientists must study the context to decode the meaning. The Mathematical Language Processing (MLP) project aims to support that process. In this paper, we compare two approaches to discover identifier-definition tuples. At first we use a simple pattern matching approach. Second, we present the MLP approach that uses part-of-speech tag based distances as well as sentence positions to calculate identifier-definition probabilities. The evaluation of our prototypical system, applied on the Wikipedia text corpus, shows that our approach augments the user experience substantially. While hovering the identifiers in the formula, tool-tips with the most probable definitions occur. Tests with random samples show that the displayed definitions provide a good match with the actual meaning of the identifiers.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
