新研究探讨信息检索中科学公式的理解

研究人员探讨了在学术信息检索中理解科学公式的挑战，指出其兼具结构化语法和语义载体的双重性质。一项研究发现，虽然公式的语法和语义之间存在很强的潜在相关性，但其原生表示空间却显示出非常微弱的可观察对应关系，表明存在显著的错配。通过采用基于图的编码器处理语法，基于文本的编码器处理语义，并应用对比学习创建共享表示空间，研究人员证明了显式表示学习可以显著改善跨模态检索。 AI

影响 这项研究可以改进科学文献的搜索和理解方式，可能有助于研究人员发现相关的论文和公式。

排序理由 该条目是一篇提交给arXiv的学术论文，详细介绍了科学公式信息检索技术的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• alphaXiv
• arXiv
• arXivLabs
• CatalyzeX Code Finder for Papers
• Connected Papers
• contrastive learning
• CORE Recommender
• DagsHub
• Gotit.pub
• graph-based encoders
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations
• Syntax Meets Semantics: Understanding Scientific Formulae
• text-based encoders

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →