CN119399772A 一种识别公式的方法、设备和计算机可读存储介质 （上海处理器技术创新中心）

23.根据权利要求1所述的方法，其特征在于，其中所述初始公式序列的内部包括结构5.根据权利要求4所述的方法，其特征在于，其中所对所述隐变量与开始符进行解码，以获取初始公式序列的第一层对初始公式序列和隐变量进行解码，以提取初始公式序列内结构信息的第一层结构将更新后的公式序列替换所述初始公式序列，以用于和所述隐变将结构信息替换为解码后提取的第一层结构符、两层结构符之间的字符和结构信息；34于处理序列输出)的组合来处理识别任务。这些模型能够有效地处理复杂的图像特征和长述隐变量与开始符进行解码，以获取初始公式序列的第一层结构符和结构符之外的字符；获取初始公式序列。5第二层结构符和两层结构符之间的字符；将第二层结构符及其内部的信息打包为结构信[0018]通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，67构相关符号预测出错的原因之一可能是由于注意力模型无法有效地处理复杂结构中大量8训练学习如何最好地结合这两个特征。这种方式可以灵活地处理各种类型的特征融合问[0048]在得到融合向量后，解码器B负责根据输入的隐变量和开始符，逐步生成公式序些输入进行处理，并输出一个向量。为了得到初始公式序列，需要对这个输出向量进行完整公式序列包括能被计算机处理的数学表达式。所述数学表达式的格式包括LaTeX或含了输入数据的重要特征和信息。而上一步的序列则是解码器B在前一次迭代中生成的序9[0061]图3示出了本申请实施例一种对公式序列进行解包的方法的流程示意图，以下将序列。[0067]接下来将结合所述步骤与一个实施例中的公式\int_{1}^{\infty}\frac{\frac[0068]首先通过前文所述的获取初始公式序列的方法，将最外层的\int_{1}^{\同特征之间的上下文和依赖关系。可以通过多次堆叠Transformer编码器层来加深模型的[0076]解码器主要是用于将编码器输出的隐变量转换为可读性强的输出结果。在器解码器注意力子层和一个全连接前馈网络子层。自注意力子层主要用于捕捉解码器输便更好地理解全局上下文信息；全连接前馈网络子层进一步提取特征并产生最终的输出。经过一个解码器B获取初始公式序列和完整公[0081]在隐变量后存在一个循环的过程，给定隐变量和上一步的序列(经过embedding51.7269.4777.9949.1064.2067.8053.9666.0270.2856.8573.7381.2456.2072.6079.2059.3371.7075.6652.9570.1380.0154.7367.9269.12入循环解包机制，取得了识别效果的提升。表1展示了各现有算法在该数据集上的识别效Error_1和Error_2分别表示允许1个和2个字符错误的正确预体趋势显示出循环解包能够带来一定程度的识别效果提升。特别是在允许2个字符误差的的识别效果。这一方法在CROHME2014数据集上的实验结果表明了循环解包的潜力和有效